熵最小化後訓練新法 僅需1條未標註數據勝過RL

後訓練的新思路

當前大模型研究已從追求通用性能，轉向攻克數學推理、物理現象分析、編程邏輯構建等特定且複雜的任務，後訓練階段的優化變得愈發關鍵。

主流做法是採用強化學習，特別是結合可驗證獎勵的訓練方式，但此類方法往往需要大量數據與複雜的獎勵機制，成本與工程門檻均不低。