术语总入口
- 共用学习术语与精确定义：SFT、RL、BC、policy、reward、loss、on/off-policy、冷启动、模仿学习等。
- LLM Agent 后训练术语：RLVR、GRPO、PPO、OPD、MOPD、SFT Replay、Rollout、Verifier 等。
- Thinking 与工具调用协议术语：Beta Header、Content Block、Thinking/Tool Use/Tool Result、Assistant Turn、Interleaved/Adaptive/Preserved Thinking、Signature、Reasoning Effort。
约定：术语在这里有且只有一个权威定义。综述可概述但必须引用术语页；有争议的用法注明语境。
学完以后，我能否回答这些问题？
- 我能不用原文复述这些概念的定义吗？
- 能举出满足定义的例子与常见反例吗？
- 哪些概念容易混淆？分界条件在哪里？
建议不看正文先回答，再回到相关章节核对。这里不自动判定「已读」。