Nous introduisons une meilleure méthode pour collecter des données post-formation lors de l'utilisation de GRPO. Collecter des échantillons auprès d'experts est coûteux, les budgets d'annotation sont limités. Quels exemples valent vraiment la peine d'être payés ? Nous constatons que se concentrer sur des échantillons difficiles entraîne une amélioration de 30 à 40 %. 1/7