slop to w zasadzie treść, która maksymalizuje stosunek nagrody do złożoności. Mechanicznie, jest to hakowanie nagrody poprzez zbieganie rozkładu wyników do basenu z kilkoma wzorcami Pareto-optymalnymi, zasadniczo konstruując degeneracyjną gramatykę specyficzną dla tego ustawienia treningowego.

To również wyjaśnia niezwykłe podobieństwo między niskiej jakości angielskim z Indii a wynikami LLM, nawiasem mówiąc.