「Beyond Validation Loss」：预训练最佳 checkpoint 未必是下游微调最优起点

「Beyond Validation Loss」研究指出，继续监督预训练生成式机器人策略可提升任务可靠性，却会牺牲覆盖度，因此验证损失最低的 checkpoint 未必最适合作为下游 SFT 或 RL 起点。研究分析了可靠性—覆盖度权衡的成因，并提出保留覆盖度的方法，呼吁学界重视预训练模型评估、停止训练时机及下游优化。