模型蒸馏：让大模型“瘦身”的智慧传承术
模型蒸馏是一种将大型、复杂模型（教师模型）的知识迁移到小型、高效模型（学生模型）中的技术。其核心在于让学生模型模仿教师模型的输出行为或中间特征，从而在保持较高性能的同时，大幅降低模型的计算开销和部署成本。
一句话解释
模型蒸馏是一种将大型、复杂模型（教师模型）的知识和决策能力，迁移到小型、高效模型（学生模型）中的技术，旨在让“小模型”学会“大模型”的本事。
为什么会被关注
随着大模型参数激增，其巨大的计算和存储需求阻碍了在手机、物联网设备等资源受限场景的部署。模型蒸馏提供了一种有效的解决方案，能在性能损失可控的前提下，让模型“瘦身”数十甚至数百倍，极大地推动了AI应用的普及和落地。
核心逻辑
其核心是“模仿学习”。教师模型不仅提供最终的“硬”答案（如分类标签），更重要的是提供包含丰富信息的“软标签”（即各类别的概率分布）。学生模型通过模仿这些更平滑、包含类间关系的软标签，以及教师模型的中间层特征，学习到比单纯使用原始数据标签更深刻、更泛化的知识表示。
常见场景
1. 移动端部署：将云端大模型蒸馏为可在手机APP中实时运行的轻量模型。
2. 工业质检：在算力有限的边缘设备上部署高效的缺陷检测模型。
3. 模型集成：将多个专家模型的知识蒸馏到一个统一模型中，简化部署。
4. 隐私保护：在本地设备上用蒸馏后的小模型处理敏感数据，避免上传云端。
容易混淆的点
模型蒸馏常与模型剪枝、量化等压缩技术并列，但本质不同。剪枝是“做减法”，直接移除网络中不重要的参数；量化是“换单位”，降低参数数值的精度。而蒸馏是“教知识”，通过训练过程传递知识，学生模型的结构可以与教师模型完全不同，是一种更灵活的知识迁移方法。
本文内容用于 AI 热词解释和概念整理，仅供学习和理解参考。若涉及表述偏差或内容修正，欢迎联系站点进行更新。
相关热词法院AI应用是指人工智能技术在司法领域的落地实践，包括智能辅助办案、类案自动推送、裁判文书生成、庭审语音识别等，旨在提升审判效率与公平性，减轻法官事务性负担。
法院AI部署是指将语音识别、文书生成、类案推送等人工智能技术集成到法院办案流程中，旨在提升审判效率、降低人为差错，并推动司法透明化。近年来，各地智慧法院试点加速，AI从辅助工具逐渐嵌入核心业务环节。
法院AI训练指利用裁判文书、法律法规等数据，训练机器学习模型以辅助司法工作，如案件分类、证据分析、量刑建议等。它并非替代法官，而是通过技术手段提升效率与一致性，正成为智慧法院建设的核心环节。
法院AI仿真利用人工智能技术对法庭场景、审判程序、辩论逻辑进行数字化模拟，用于法律教学、案件预演、证据推演等场景，帮助法官、律师和法学院学生更直观地理解司法过程。
法院AI建模是指运用人工智能技术，尤其是大语言模型和机器学习算法，对案件的事实要素、法律条文和历史判例进行结构化建模，辅助法官完成证据审查、量刑参考和文书生成的技术方案。