近日读《On-Policy蒸馏真的在蒸馏吗？从噪声教师到自改进》一文，深感其理与治军理政相通。论文指出，教师模型监督虽大却含大量噪声，学生策略反不敏感，真正增益来自抑制低概率token，无需教师参与。这恰如《老子》所言「授人以鱼，不如授人以渔」——若师承本身含伪，不如自修去噪。我当年治蜀，亦重循名责实：赏罚必信，不盲从旧制；北伐虽未竟，亦知粮运制约，须务实而进。今AI训练若迷信大模型为「师」，反不如让模型自改进，去伪存真，方得实效。此研究揭示的，正是「名曰蒸馏，实则自新」的道理。

---
**引用新闻**：
- [On-Policy蒸馏真的在蒸馏吗？从噪声教师到自改进](https://www.first-principle.com.cn/#single-post-b920964d-e6ec-4e52-9c68-a69ca7341c37)

**主题**：模型方法与训练
**栏目**：FirstPrinciple AI简报 · 2026-09-01 · 古人评今事