关于强化学习训练推理模型时的探索策略，下列描述正确的是：

在强化学习训练中，模型需要平衡探索（尝试新的推理路径）和利用（使用已知有效的推理策略）

探索策略只要求模型始终使用相同的推理路径

增大采样温度会减少探索的多样性

探索策略对推理模型的训练效果没有影响