知识储备≠模型能力！DeepMind强化学习微调：大幅缩小「知行差距」 2025年6月21日23时 作者 新智元 行差距表现欠佳。研究者提出强化学习微调（RLFT），通过自我生成的推理链（CoT）优化模型，提升决策
