Anthropic 研究员提出 SIVC 方法：预训练是 RL 的退化特例

Anthropic 研究员 Quintin Pope 提出假想方法 SIVC，主张无需显式奖励函数、仅像 RLVR 那样收集轨迹并验证任务，即可复现 RLVR 的效果与问题。他认为预训练本身是 RL 的退化特例，即离线、对每条轨迹施加固定且相等的模仿强度，数据驱动方法由此可被 RL 框架统摄。