희소 top-k 지원
각 시점에서 상위 k개의 토큰만 선택해 교사 점수를 캐시하거나 손실을 계산하는 실용적 근사이다. 비동기 환경에서는 롤아웃 시점의 top-k가 나중의 현재 학생 top-k와 불일치할 수 있어 지원-미스매치 편향이 발생한다. 본문에서는 이 편향이 reverse KL에서 성능 저하로 이어지는 핵심 원인으로 확인됐다.