这项由香港中文大学的明瑞、吴昊原团队与华为诺亚方舟实验室、ChatEDA科技公司合作完成的研究，发表于2025年9月的arXiv预印本平台（论文编号：arXiv:2509.26313v1）。对于关心人工智能发展的普通读者来说，这项研究解决了一个听起来很技术但实际影响深远的问题：如何让AI更好地学习和泛化知识。
当我们教孩子学习时，有两种不同的方式。第一种是让孩子反复抄写标准答案，这就像传统的监督微调方法，孩子能够完美复制，但遇到新问题时往往不知所措。第二种是让孩子在实际练习中摸索，从错误中学习，这就像强化学习，虽然过程曲折，但孩子最终能举一反三。研究团队发现，第二种方法之所以更有效，关键在于孩子是在"真实练习"中学习，而不是只从固定的教材中死记硬背。
基于这个洞察，研究团队开发了一种名为"单词汇滚动"的新训练方法。这种方法巧妙地将两种学习方式的优点结合起来，既保持了第一种方法的高效性，又获得了第二种方法的泛化能力。核心创新在于将AI生成每个词汇的过程都视作一次完整的学习机会，而不是等到生成完整句子后再进行评估。
研究团队在数学推理、代码生成和通用推理等多个领域进行了广
