港科大溯源发现：“wait”标记继承自训练数据而非 RL 发明

港科大、北大与华为诺亚方舟实验室追踪开放模型训练历史，发现 zero-RL 几乎不产生“wait”等话语标记。注入错误测试显示，这些标记主要继承自 mid-training/SFT 阶段的训练数据，而 RL 带来的推理准确率提升并不依赖特定标记。