Dlatego wiedzę przekazuje się pośrednio, przez predykcje nauczyciela.

Pełny rozkład prawdopodobieństwa generowany przez nauczyciela niesie więcej informacji niż sama najbardziej prawdopodobna klasa. Małe, lecz zróżnicowane wartości przypisywane pozostałym klasom, zwane ciemną wiedzą (), zawierają dodatkową informację o relacjach między klasami uchwyconych przez model nauczyciela.

W klasycznym, dwuetapowym schemacie najpierw trenuje się model nauczyciela na danych oznakowanych, a następnie model uczeń uczy się naśladować jego predykcje, zwane miękkimi celami, zamiast twardych etykiet klas.

Szkolenie ucznia odbywa się na tak zwanym zbiorze transferowym. Może to być zbiór użyty do trenowania nauczyciela albo odrębne dane, nawet nieoznakowane, ponieważ sygnału uczącego dostarczają wówczas predykcje nauczyciela.

Rozkład wyjściowy nauczyciela wygładza się parametrem temperatury w funkcji softmax. Wyższa temperatura zwiększa entropię rozkładu i ujawnia względne różnice między mniej prawdopodobnymi klasami. Miękkie cele zmniejszają ponadto wariancję gradientu podczas szkolenia ucznia.