Baseten Base Labs 实验研究蒸馏何时有助于强化学习

Baseten Base Labs 发布研究，用 Qwen3 的 0.6B、1.7B、4B、8B 模型比较 GRPO 直接训练与先用 gpt-5.6-sol 教师解法做 SFT 再 RL，覆盖十六个推理任务。