亚马逊团队公开Rufus-Air八阶段后训练配方：先用可自动验证的硬奖励建立能力，再引入主观软奖励，每阶段须通过回归门禁。难度过滤、奖励可靠性与基础设施同样关键。开发者应保存逐阶段检查点，监控目标收益及通用与安全回退，并设停止条件，而非照搬八步。