エージェント時代の技術トレンド「オンポリシー蒸留」【Kimi K3】

【PR】本動画は Moonshot AI 様からのご提供で制作されました。 LLMの事後学習フェーズで最近広く採用されているオンポリシー蒸留（On-policy Distillation）について解説します。 Kimi K3 テクニカルレポート：https://arxiv.org/abs/2607.24653 Kimi K3 リリースブログ：https://www.kimi.com/blog/kimi-k3 Moonshot AI：https://www.moonshot.ai/ マシュマロ：https://marshmallow-qa.com/857dny8uhi... 投稿者プロフィール: https://mathbullet.com/profile X: https://x.com/_mathbullet note: https://note.com/mathbullet HP: https://mathbullet.com/ --- 「数理の弾丸」は、人工知能や言語にまつわる学術知をわかりやすく、誤魔化さずに伝えることを目指す取り組みです。 ■スピーカー：船蔵、桜島、むね肉、クマイ、おすぎ、ゼイキン、スミス、辻、鈴木 ■動画冒頭の声担当：蒼空快人    / @aozorakaito1017   ■エンディング音源：   • ✨💥UNREAL㊎GOLD💥✨