Nathan Lambert 为新书新增 7.4 小时讲座视频，内容涵盖从 2015 年 Hinton 知识蒸馏论文到当下多教师 on-policy 蒸馏（OPD、MOPD、OPSD）。视频重点讲解了使 on-policy distillation 适配主流 RL 框架所需的 3–4 项核心公式改动，并回顾了合成数据如何逐步占领训练后数据研究领域。此外还介绍了 Constitutional AI、AI 反馈以及将评分准则作为奖励等主流方法。时间线：00:00 合成数据兴起，10:50 师生蒸馏背景，24:47 on-policy 蒸馏，37:11 Constitutional AI，45:50 评分准则与结论。