模型为什么越走越偏：从 LLM 强化学习到自回归视频的 Drift 发布于： 2026 年 9 月 26 日从 Score Centering、BPO、MaxRL 到 Self Forcing、视频偏好优化与 KV 量化校正：用分布、反馈循环和干预位置，理解不同 domain 的 drift。
