SFT 未死：引入采样重写训练数据，效果可比 RL 后训练

研究者 aakaran31 发现，把此前用于推理的「采样」引入后训练流程，可让 SFT 重新与主流后训练方法抗衡，泛化常常更好、遗忘更少，优于 RL 与 OPSD。做法是重写训练数据，只在真正重要处优化「惊喜度」（surprise），为反向传播提供更干净信号。转发者 mayfer 补充，重写后数据的信噪比更高。