专题：knowledge-distillation

OpenAI开发skill系统，利用知识蒸馏技术将工程师经验注入代码生成模型。该系统能自动化生成百万行代码，通过提取专家编码模式提升代码质量与效率。核心亮点在于将人类决策过程模块化，实现代码生成的结构化优化，为AI辅助编程提供技术范式。

本文提出一种极简自蒸馏技术，通过教师模型的软标签指导学生模型训练，显著提升代码生成质量。核心创新在于简化了传统蒸馏流程，仅需单向知识传递即可实现性能提升。实验在多个代码生成基准测试中验证了其有效性，尤其在处理复杂逻辑和长代码生成任务时表现优异。该技术的优势在于实现简单、计算成本低，且无需额外数据，为代码生成模型的优化提供了新思路。

文章以开源项目“同事.skill”为切入点，阐述了 AI 如何通过数据蒸馏和 LLM 微调，将离职同事的工作经验封装为可调用的数字技能（Skill）。在提升工作效率的同时，作者提醒技术仍难替代判断力和创造力，并指出职场将出现岗位替代与新技能需求并存的局面。

作者探讨将 GPT‑5.3 的核心编码能力通过知识蒸馏迁移到基于 MoE 的开源模型 GPT‑OSS，以期在 Strix Halo 上实现更快、更轻量的推理。文章提出技术路线并提醒可能的政策风险，呼吁社区分享已有的 MoE 蒸馏实现。