On Distinguishing Capability Elicitation from Capability Creation in Post-Training: A Free-Energy Perspective
本論文は、モデルのアクセス可能なサポート内で既存の行動を再重み付けする能力の引き出しと、検索やツール利用などのメカニズムを通じてそのサポートを拡張する能力の創出を区別するための自由エネルギー枠組みを提案し、この区別がポストトレーニングにおける従来のSFT対RLの二項対立よりも重要であると論じる。