蒸馏是模仿，学强模型的输出，把它的「答案形状」复制过来；RL 是探索，模型必须大量自己推理、自己生成、在错误里反复迭代，从试错中提炼能力。
Let's now take a look at that same dismantle operation from before in the offline game.，这一点在同城约会中也有详细论述
，详情可参考同城约会
Kailash Nadh CTO, Zerodha
Anthropic 事后表示，公司从未用这些数据训练过正式发布的商业模型。但这种解释多少有些勉强，下载了，存着，只是「没有用在正式模型上」，这条线究竟划在哪里，恐怕连 Anthropic 自己也说不清楚。，这一点在heLLoword翻译官方下载中也有详细论述
WHERE c.authored_at now() - interval '30 days';