视频集中回答能力合并、RLVR KL惩罚、SFT规模、蒸馏退化等后训练问题。
推荐理由：价值在于把后训练中的几个真实工程取舍放到一起讲：SFT预算、RL正则、蒸馏副作用和内部轨迹处理，适合已有训练经验者校准配方。
阅读原文