RLVR理论证明pass@1提升伴随pass@k代价
热点事件持续更新
RLVR理论证明pass@1提升伴随pass@k代价
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
arXiv 论文（2610.39295）将 RLVR 建模为对基础策略的指数倾斜，证明提升 pass@1 的每次更新必然降低部分提示的多采样成功率，并给出 pass@k 交叉点数量的全正性紧上界。也就是说，RLVR 让模型首次尝试解题更多，但在大采样预算下基础模型会反超它。 论文称这种交叉不是缺陷：完全消除它会损失全部 pass@1 增益，同一机制还统一了熵坍缩与熵-性能规律。作者 Yinuo Liu 称"强化无法拓宽推理边界，只能沿边界移动"，并提供可从评测日志读取边界、保序检验和代价的诊断工具。
AI 根据报道生成 · 1 小时前更新
最新进展10月31日 12:00
arXiv 论文证明 RLVR 中每一步 pass@1 提升都有 pass@k 代价报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIarXiv 论文证明 RLVR 中每一步 pass@1 提升都有 pass@k 代价
arXiv 论文（2610.39295）将 RLVR 建模为对基础策略的指数倾斜，证明提升 pass@1 的每次更新必然降低部分提示的多采样成功率，并给出 pass@k 交叉点数量的全正性紧上界。论文指出该交叉不是缺陷，完全消除它会损失全部 pass@1 增益，且同一机制统一了熵坍缩与熵-性能规律，并提供可从评测日志读取边界、保序检验和代价的诊断工具。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。