arXiv · AI· Yinuo Liu·· 6 小时前AI 评分41
RLVR 中无免费午餐：pass@1 提升必有 pass@k 代价
There Is No Free Lunch in RLVR: Every pass@1 Gain Has a pass@k Price
AI 导读
研究者证明在可验证奖励强化学习（RLVR）中，提升 pass@1 指标必然导致大采样预算下的 pass@k 性能下降。 模型理论显示，该反转是机制内在的代价；消除交叉点会损失全部 pass@1 增益，无法拓宽推理边界。
来源：arXiv · AI · arxiv.org