强化学习与模仿学习分别需要什么样的数据？如何挖掘场景、划分数据，并确定两类训练数据的配比？

数据形态：模仿学习需要（观测，专家动作）对，讲究覆盖度与一致性——任务/场景/物体多样性、专家水平统一、多模态不冲突；RL 需要（状态，动作，奖励，转移）或至少可验证的结果信号，允许并需要失败轨迹，关键是奖励可靠、回放分布合理。场景挖掘：从评测失败案例、长尾场景、约束违反案例出发反向生成采集需求；划分上按「任务 x 场景 x 物体 x 初始状态」正交切分训练/验证，保证泛化可度量。配比：没有定式，按阶段定——前期 SFT 示范为主建立行为先验；RL 阶段按成功率瓶颈加码，同时固定比例混入示范数据防灾难遗忘；监控指标是目标任务成功率与示范任务的保持率两条曲线。

高分点：说清这组对偶——「RL 不挑数据好坏但挑奖励真假，IL 不挑奖励但挑示范质量」；配比实验怎么做（固定 RL 数据量、扫示范混入比例，看成功率与遗忘）；以及失败样本在模仿侧的有限用途（负例训练质量判别器、错误检测）。能把配比讲成随训练动态调整的量而不是常数，是实战经验的信号。