El slop es básicamente contenido que maximiza la relación recompensa-perplejidad. Mecánicamente, esto es hacking de recompensas mediante el colapso de la distribución de salida en una cuenca con algunos patrones óptimos de Pareto, construyendo esencialmente una gramática degenerada específica para esta configuración de entrenamiento.

Esto también explica la asombrosa similitud entre el inglés indio de baja calidad y las salidas de LLM, por cierto