组采样强化学习技巧：小 K 过滤简单题，全错组持续采样放大稀有正样本

组采样强化学习中采样组大小 K 的选择很关键：K=4 可快速过滤简单题、节省算力，而 K=32 时简单 prompt 只要 32 个回答里错 1 个就会留在批次、污染训练。论文还提出，一组全错（通常是难题）时按概率 p 持续采样直到出现正确答案，并把失败样本汇入大组，使稀有正样本的优势接近 1 而非被封顶。