从 RL 到蒸馏，再到软蒸馏：Why RL Matters？
中文摘要
本文解析LLM后训练分工：SFT定型模式，RL提升可控性，蒸馏学习RL优质模式并引出软蒸馏。
English Summary
This article explores LLM post-training: SFT defines patterns, RL improves controllability, and distillation learns RL's high-quality patterns, introducing soft distillation.
Original Excerpt
📌 一句话摘要 本文从实践视角拆解 LLM 后训练中 RL 与蒸馏的分工：SFT 定型 CoT pattern，RL 负责本土化改造与可控性，蒸馏偷学 RL 探索出的优质 pattern，并引出软蒸馏概念。 📝 详细摘要 文章围绕 LLM posttrain 阶段 RL 与蒸馏的角色分工展开思考。作者提出 CoT pattern 概念，认为 SFT 阶段的核心职责就是为后训练定型 CoT 模式，好的 pattern 具...