从演示中学习：多候选响应的统计优势

研究发现，当演示者不保证最优时，从 pass@1 提升到任意 pass@k（k≥2）可将最坏情况下对目标精度的依赖从 1/ε² 降至 1/ε，且不依赖演示者质量。在标准评估下，增大 k 还能将奖励类大小 N 的最优依赖从 log N 改善至 log N/log k；但在稳健评估下，这一 1/log k 的增益可能消失，而 1/ε 的快速依赖依然保持。