分類： 後訓練

• 生成-過濾-控制-重播：LLM強化學習中Rollout策略的全面綜述
• 思考不需言語：使用抽象思維鏈實現高效潛在推理
• 強化學習（RL）記憶更牢固，監督微調（SFT）更容易遺忘？普林斯頓陳丹琦團隊改寫後訓練認知