已收录文章摘要，完整内容可前往原文阅读。
同一份模型权重，采样端与训练端也可能给出不同概率。Together AI 的新论文把强化学习更新拆成学习信号与漂移，提出 Score Centering 校正后者。本文从直觉、公式到原始实验，解释它为