RL'in Jileti: Politika bazlı RL, SFT'den daha az unutur.

Eşleşen doğrulukta bile, RL felaket unutmayı daha az gösteriyor.

Ana bulgular:
1) RL, SFT'ye göre daha az "unutma" eğilimindedir.
2) Politika üzeri RL (PPO), politika dışı RL (DQN)'ye göre daha az unutur.
3) Eşleşmiş doğrulukta bile, RL daha az felaket unutma gösteriyor.