🎯 情报来源：量子位
由Transformer核心作者Llion Jones创立的Sakana AI提出新型强化学习教师模型（RLT）训练方法，其7B参数的教师模型在推理能力传授效果上超越671B的DeepSeek-R1。该方法通过模拟人类教师”解释已知答案”的教学模式，将32B学生模型的训练周期从数月缩短至单节点1天。
核心要点：
- 7B RLT模型训练效果超越671B DeepSeek-R1，学生模型推理准确率平均提升15%
- 新方法训练32B学生模型仅需1天（传统方法需数月），计算成本降低99%
- 教学机制变革：教师模型直接获取问题+标准答案，专注生成解释而非解决问题
- 支持跨规模教学，7B模型可成功训练达自身4倍规模（32B）的学生模型
- 在AIME、GPQA等数学推理基准上，与传统RL方法结合实现性能突破
📌 情报分析
技术价值：极高
突破”教师模型必须能解题”的传统范式，通过解释型教学机制设计，使小模型实现超规模知识迁移。论文显示其对数学推理任务的解释准确率比传统方法提升23%。
商业价值：高
训练效率的指数级提升（1天vs数月）直接降低企业模型微调成本。适用于需要快速迭代专业领域模型的医疗、金融等垂直行业。
趋势预测：
3-6个月内可能看到：1）主流云厂商集成该教学框架作为模型训练标准选项 2）出现更多”小教师+大学生”的模型组合应用案例 3）该方法与MoE架构结合进一步突破模型训练规模限制。