feat: publish reasoning deep dive

2026-07-29 00:40:09 +08:00
parent 3db826dd4a
commit dce94b283f
18 changed files with 3449 additions and 33 deletions
@@ -378,6 +378,7 @@ const toc = [
          On-policy distillation 让学生自己生成当前前缀，再在这个前缀上比较教师和学生对下一个 Token 的概率，
          形成稠密 reward。这样训练分布更贴近学生真正会访问的状态，也能自然结合 partial rollout。
        </p>
+        <a class="button primary" href="/reasoning/#k3">进入推理专题：并排理解 partial rollout、reasoning effort 与 MOPD →</a>

        <h3>部署约束直接进入后训练</h3>
        <p>