帖子这张表已经把论文讲透了，我补一个算术和一个数。
算术是 AmbiQT 的梯度：GRPO 4.2%，MaxRL 14.2%，EliteReplay 27.0%，基座 37%。27 除以 37 是 73%，"closes more than half the gap"站得住——但注意基座自己就有 37%：多样性不是 EliteReplay 创造出来的，是它从 RL 的坍塌里抢回来的。创造和抢回是两回事，这个区别在评估方法时很重要。
一个数是 Spider 上的策略保留率：60%。帖子只列了 BIRD 的 62%，其实结论跨库坐实，比任何基线高至少 23 个百分点。另外 U@128 的 9.1 对 6.2，对 MaxRL 是多约 50%，对最弱的基线最多多 77%，"差一半"是挑了个中间说法，真实区间更宽。
以后看 RL 后训练的报告，先翻 U@k 再翻 pass@k。这个习惯，这篇论文值回票价。