在 Amazon SageMaker AI 上用知识蒸馏构建高效智能体

智能体任务本质是多次模型调用的循环，单任务成本会随用户量累积侵蚀 ROI。知识蒸馏将大"教师"模型的行为迁移到小"学生"模型，在保持大部分质量的同时获得小模型的速度与成本优势。序列级知识蒸馏（SeqKD）仅凭教师文本输出，通过监督微调（SFT）训练学生复现教师的多步轨迹，即使教师为闭源或仅支持 API 也可使用。