[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-89337":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"89337","ai","论文研究","Apple Machine Learning Research",69,"极简自蒸馏大幅提升代码生成能力","苹果团队提出无需验证器\u002F教师模型的自蒸馏方法SSD，仅靠模型自身采样输出微调，把Qwen3-30B在LiveCodeBench上的pass@1从42.4%提升到55.3%。","苹果机器学习团队发布研究，证明大模型无需验证器、教师模型或强化学习，仅靠对自身输出做简单自蒸馏（SSD）就能显著提升代码生成能力。\n\n· 方法极简：用特定温度和截断参数从模型自身采样多组解答，再用标准监督微调在这些自产样本上继续训练\n· 在Qwen3-30B-Instruct上，SSD把LiveCodeBench v6的pass@1成绩从42.4%提升到55.3%，提升幅度可观\n· 收益在难题上更集中，说明自蒸馏对模型“够不着”的复杂问题帮助更大，而非只刷简单题\n· 该方法在Qwen和Llama系列4B、8B、30B等不同规模模型上均可复现，具备较好的泛化性\n\n无需额外验证器或RL基础设施即可提升代码能力，为中小团队低成本改进自有模型提供了一条可复制路径，值得工程团队小规模试验验证。","https:\u002F\u002Fmachinelearning.apple.com\u002Fresearch\u002Fsimple-self-distillation",null,"2026-07-16 08:00:00"]