已收录文章摘要，完整内容可前往原文阅读。
换个数据就能赢：哈佛团队用 MCMC 采样"改造"专家数据，让 SFT 反超 RL这篇来自哈佛大学的工作直击后训练（Post-training）领域最核心的一对矛盾： RL 泛化好、不忘旧知识，但只能