待验证50% 置信基准精确时间

实验结果表明，SAPD在不同教师配置下均能提升性能，相比SFT有效缓解了灾难性遗忘。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/21

首次发现

有效期至：2027/1/19

来源

SAPD：无需环境交互，从离线轨迹高效训练LLM智能体

rss2026/10/20

涉及实体

SAPDconcept SFTconcept

相关事实

待验证从修复后的SFT检查点出发再做强化学习，能带来更大且更稳定的性能收益，说明先修复后强化存在协同效应68% 相似待验证论文实验表明，监督微调（SFT）能让偏好变得可学习。64% 相似待验证OPRD的教师和学生共享同一套两阶段初始化：先做Coding SFT，再做Instruction-Following SFT。62% 相似待验证使用真实预训练的PLE效果明显好于随机记忆和打乱记忆的对照组62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1079161

API

curl https://kongchang.com/api/v1/knowledge/claims/1079161

MCP

get_claim(id=1079161)