arXiv · ML· Ziqi Pang, Yu-Xiong Wang·· 21 小时前AI 评分21
并非所有推理都能泛化：RLVR 中可泛化推理策略学习的案例研究
Not All Reasoning Generalizes: A Case Study on Learning Generalizable Reasoning Strategies in RLVR
AI 导读
研究发现 RLVR 在分布外（OOD）任务中常因模型放弃推导而失效。 该方法通过非双射方程求解框架验证，共训练双射求逆任务可显著恢复模型精度。
来源：arXiv · ML · arxiv.org