Microsoft 与加州大学圣地亚哥分校提出 TailSFT：过滤已拟合样本可提升后续 RL 表现

Microsoft 与加州大学圣地亚哥分校的论文指出，模型在 SFT 后可能看起来更好，但因 SFT 会抹掉 RL 需要发现的罕见正确行为，反而是更差的 RL 起点。