arXiv · cs.AI· Fang Wu, Weihao Xuan, Danny Xing, Ximing Lu, Mingjie Liu, Yi Dong, Zaid Harchaoui, Yejin Choi·· 4 小时前
RLVR为何可能无法摆脱其起源限制：对已验证解集扩展与收缩的分析
The Invisible Leash: Why RLVR May or May Not Escape Its Origin
arXiv:2507.14843v5阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Fang Wu, Weihao Xuan, Danny Xing, Ximing Lu, Mingjie Liu, Yi Dong, Zaid Harchaoui, Yejin Choi
研究任务与主要进展
作者提出“经验支持动态”框架，用于衡量RLVR训练如何保持、扩展或收缩大语言模型对已验证解法的访问。基于论文摘要，跨模型、推理任务和训练检查点的逐题结果显示，在既定采样预算下，失去已验证解法的题目多于新增题目的题目，即使pass@1有所提升；部分模型还呈现平均词元熵上升而最终答案熵下降的变化。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org