MIT 提出 VPO 后训练方法，避免解空间坍缩保多样性

MIT 的 Ryan Bahlous-Boldi 等人提出后训练方法 Vector Policy Optimization（VPO），针对 GRPO 等方法导致的解空间坍缩与输出同质化问题，让 LLM 在后训练阶段输出多样化且高质量答案。博主 Yacine 发布约两小时解读视频，视其为 2026 年值得关注的后训练方向，相关讨论在社区引发反响。