if (n <= 1) return;
蒸馏是模仿，学强模型的输出，把它的「答案形状」复制过来；RL 是探索，模型必须大量自己推理、自己生成、在错误里反复迭代，从试错中提炼能力。
。关于这个话题，搜狗输入法2026提供了深入分析
Complete digital access to quality FT journalism with expert analysis from industry leaders. Pay a year upfront and save 20%.
shell and move around and then edit files.