Burkov 介绍首个形式化理论：mid-training 如何塑造 RL 后训练效果

一项新工作建立首个形式化理论框架，解释 mid-training（RL 后训练前对专家演示做继续预训练）如何影响下游强化学习。该理论指出，标准 mid-training 用 next-token prediction 将每个 token 当独立决策，决策空间巨大、规划视野长，影响机制不清晰且开销大。