● 用强化学习做知识蒸馏，方差太大怎么办？

📌 一句话摘要 本文介绍了 KETCHUP 方法，一种通过 K-step return 和 teacher 模型 Q-value 来构造 baseline，从而有效降低 RL-based 知识蒸馏中 REINFORCE 算法高方差问题的技术方案。 📝 详细摘要 文章聚焦于强化学习用于知识蒸馏时