研究者 tensorqt：RL 熵坍缩无高效解法，59 步 SFT 可回注探索能量

研究者 tensorqt 提出，RL 训练中的熵坍缩（模式坍缩）不存在清晰的样本高效修复方法，应把坍缩看作模型可消耗的「势能」而非直接修复。他认为模型在 RL 中学会跨模式采样的代价是丧失探索能力，可通过 SFT 回注探索能量，例如以 59 步 SFT 为模型重新注入探索能力。