混合推理痕迹优于纯走法数据

在训练我的国际象棋LLM时，使用棋盘→走法对遇到了严重的收益递减。

然后一个意外：一个“先思考再走棋”的分支失败了（产生幻觉走法），但将仅约8%的推理痕迹混合到纯棋盘→走法训练中，在相同预算下超越了纯走法数据。

模型内化了思考过程，在推理时却从未实际执行。