Meta 研究员 Dimitris Papail：动 RL 前先做足 SFT

Meta 研究员 Dimitris Papail 提出，训练时应先尽可能完成高质量 SFT，再进入 RL 阶段，否则 RL 的投入回报会很差。该观点引发训练圈对 SFT 与 RL 阶段资源分配和性价比的讨论。