的方法。 ➢ 相对依赖于强大的教师模型 ➢ 蒸馏过程通常针对特定任务或一组任务（例如代码和数学问题）优化，这可能导致生成的小模型在面对新任务或环境 （例如通用任务）时适应性和泛化能力不足。 41 技术对比讨论：MCTS & PRM ➢ 利用 MCTS，将答案拆分成分句或Token为单位的节点，而后对于解空间进行搜索 ➢ 通过 MCTS 可能会有以下的问题： ➢ Token Generation

score map (vision-guided) Pixel-level prediction Vector Storage Anomaly Classification 41 02 英特尔 ® 技术方案 基于预训练的 CLIP 模型的零样本/少样本异常检测算法 如图所示，展示了一种基于 CLIP 模型（Contrastive Language-Image Pre-training