论文解读和报告用的 HTML 幻灯片。直接在浏览器里放映：方向键翻页，F 全屏。
论文解读 · 21 页
模型如何借助示范在 on-policy 数据上自我蒸馏，为什么它比 SFT 遗忘更少，以及理论与实际训练损失之间的差距。
