人工智能正从以“模式拟合”为主的统计学习，迈向以“结构化推理”为核心的能力体系，后训练（Post-training）的重要性快速上升，强化学习不再只是价值对齐工具，而被证明能够系统提升推理链质量与复杂决策能力，正逐步演化为持续提升智能水平的技术路径。与此同时，Web3 通过去中心化算力与加密激励重构 AI 的生产关系；而强化学习对 rollout 采样、奖励信号与可验证训练的结构性需求，与区块链的算力协作、激励分配与可验证执行天然契合。本研报将拆解训练范式与强化学习原理，论证 RL × Web3 的结构优势，并分析 Prime Intellect、Gensyn、Nous Research、Gradient、Grail 与 Fraction AI 等项目。