本文探讨了政策蒸馏中教师模型的选择及其对学生模型的影响。研究表明，蒸馏指导在错误推理链上的对齐度高于理想信号，最佳蒸馏效果依赖于学生模型的能力和目标任务。提出了一种无训练的诊断框架，以提升蒸馏效果，并建议进行逐任务、逐标记的分析。