arXiv cs.CL· Fang Wu, Weihao Xuan, Danny Xing, Ximing Lu, Mingjie Liu, Yi Dong, Zaid Harchaoui, Yejin Choi·· 5 小时前AI 评分32
RLVR 的隐形缰绳：可验证奖励强化学习未必能突破模型原有推理边界
The Invisible Leash: Why RLVR May or May Not Escape Its Origin
AI 导读
研究提出经验支持动态（empirical support dynamics）框架，逐题追踪 RLVR 对已验证解的影响，发现在所评估的模型级基准聚合上，观测支持的收缩超过扩张——更多问题失去已验证成功，尽管 pass@1 有所提升。
来源：arXiv cs.CL · arxiv.org