小红书 AllSpark 提出 ROSS：让模型重学训练中自生成的 rollout

小红书 AllSpark Team 提出 ROSS 方法，通过筛选有价值轨迹片段并保留完整上下文做选择性监督，让模型重新学习训练中自己生成的 rollout。基于 Qwen3.6-35B-A3B，该方法在单轮 RL 中将数学均分从 75.19% 提升至 76.98%，代码均分从 42.09% 提升至 44.21%，MOPD 均分从 58.40% 提升至 62.20%。