论文提出工件蒸馏：无训练迁移大模型能力至小模型

2026年10月， Mustafa Safa Ozdayi 与 Somin Wadhwa 在 arXiv（NLP方向）发表论文，提出名为“Artifact Distillation”（工件蒸馏）的方法。 该方法的核心机制是：教师模型在解决训练实例时，将解题过程外化为一个“工件库”；在推理阶段，学生模型通过查询此工件库来获取信息，整个过程无需任何梯度更新（即无训练迁移）。 在实验验证中，基于 LiveBench 的四项任务显示，使用 Claude Opus 4.5 生成的工件库能显著提升 Claude Haiku 4.5 的表现。其中，Haiku 在空间推理任务上的得分为 0.707，超过了直接调用 Claude Sonnet 4.5 的 0.647，且计算成本仅为后者的 60%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。