fast-slow-decoupled-rl

초기 빠른 판단 토큰의 최적화 기여를 마스킹하여 초기 판단이 이후 추론(Chain-of-Thought)에 과도하게 고정되지 않도록 하는 강화학습 기법이다. 이 방식은 샘플 그룹 내 보상 정규화를 통해 최종 <answer>를 주로 최적화하면서 초기 토큰은 저지연 접두사로만 유지한다.