学习风格却遗忘语义：分类任务中 SFT 与 RFT 的案例研究

一项针对分类任务的研究揭示，监督微调（SFT）比强化微调（RFT）更易引发遗忘，核心原因在于学习非均匀风格教师时会产生离轴风格漂移。理论分解与模拟表明，即便教师示范在语义上完全正确，SFT 在有限训练区间内的遗忘仍存在严格正下界，而精确策略梯度的 RFT 能保持风格对称性并维持零语义错误。