Penelitian menyelidiki apakah pasca-pelatihan pembelajaran penguatan (RL) hanya memperkuat keterampilan primitif laten atau menyusunnya menjadi strategi tingkat tinggi baru. Menggunakan lingkungan tata bahasa penulisan ulang yang sepenuhnya dapat diamati, studi menemukan bahwa RL mengatur ulang kompetensi primitif melalui mekanisme komposisional bertahap.
- RL memecahkan masalah yang dihold-out yang jarang diselesaikan oleh model pra-pelatihan, bahkan dengan anggaran pengambilan sampel yang lebih besar, sementara fine-tuning penolakan mencapai plateau sejak awal.
- RL memperkuat reduksi primitif sebelum menemukan prosedur komposisional yang valid, termasuk komposisi sekuensial dan paralel.
- Prosedur komposisional ini digunakan kembali dan dikonsolidasikan ke dalam repertoar yang stabil daripada tetap menjadi sampel yang terisolasi.
- Perbedaan utama antara RL dan fine-tuning penolakan adalah selektivitas; RL memusatkan eksplorasi ke dalam struktur yang valid dan dapat digunakan kembali.
Munculnya strategi komposisional bergantung pada pra-pelatihan yang mengorganisasikan kompetensi primitif menjadi prosedur reduksi yang dapat dikompresi oleh RL, memungkinkannya membangun strategi tingkat tinggi yang andal dari bahan prosedural yang lemah.