兄弟们，最近模型蒸馏在社区里讨论得挺火，今天开一帖，纯技术分享，不整虚的。🙌
**什么是模型蒸馏？**
简单说，就是拿一个“教师模型”（通常是巨无霸，比如Llama-3-70B）输出logits或soft label，去训练一个“学生模型”（小很多，比如7B甚至1.5B）。核心在于，学生模型学的不是硬标签，而是教师模型对概率分布的“直觉”，这样能保留泛化能力。
**实际部署中的收益**
我在做小模型微调时试过，学生模型参数量压缩到1/10，推理速度提升5-8倍，精度损失控制在3%以内。对于需要低延迟的场景（比如实时对话、边缘端部署），这招很香。但注意：蒸馏不是万能药，教师模型自己如果拉胯，学生也学不到好东西。
**踩过的坑**
- 温度系数T设太高，输出平滑成白噪音，模型直接变憨憨。
- 只蒸馏最后一层，忽略了中间层的语义对齐。建议加上attention loss或feature map loss。
**抛个问题**
你们在实际项目里，蒸馏后的学生模型和原小模型直接训练相比，效果提升明显吗？有没有遇到过教师模型“教坏”学生的情况？欢迎来评论区互怼。👊 |
喧嚣卡
千斤顶
