arXiv · NLP· Shan Yang·· 4 小时前AI 评分47
成果强化学习分析：主要提升完成度与可靠性，极少扩展知识边界
What Outcome RL Buys: Finishing, Reliability, Rarely Reach
AI 导读
对比20个1.5B至32B规模的RL模型与其基座，发现RL带来的pass@1提升主要源于完成度（Finishing）和可靠性（Reliability），极少扩展知识边界（Reach）。 在4k/8k预算下，82%的变化来自完成度；Reach贡献不超过2.1个百分点，且RL新解题中90%的步骤基座也能生成。
来源：arXiv · NLP · arxiv.org