# On-policy Learning

[2026-10-01] Finetuning with Sampling: SFT Learns Better Than You Think

别人写出的正确解答未必适合学生模型直接学习。Sampling SFT 先让目标模型重写答案，再做普通监督训练。本文分开讲理论采样与公开贪心实现，用真实配平案例核对正确性与结果。