难度感知训练

为什么RL比SFT泛化更好？基于数据视角的VLM后训练分析

Why Does RL Generalize Better Than SFT? A Data-Centric Perspective on VLM Post-Training

提出基于样本难度的数据筛选策略（DC-SFT），可替代RL微调以更低成本提升VLM的OOD泛化，为视觉语言模型后训练提供数据侧改进思路。