研究：RLVR未必突破模型推理边界

一项新研究提出“经验支持动态”框架，逐题追踪可验证奖励强化学习（RLVR）对模型已有验证解的影响。Fang Wu等作者称，在该研究评估的模型级基准聚合结果中，观测到的支持收缩超过扩张：更多问题失去已验证成功，尽管pass@1有所提升。 该框架用于量化RLVR如何保留、扩展和收缩模型获取已验证解的路径。研究据此认为，RLVR未必能突破模型原有的推理边界。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。