跳到正文
arXiv · ML· Ximing Lu, Aviral Kumar, Jan Kautz, Yejin Choi, David Acuna·· 2026-10-12AI 评分37

MagicBeanStalk:通过递归数据合成克服 RLVR 零优势陷阱

MagicBeanStalk: Escaping the RLVR Zero Advantage Trap with Recursive Data Synthesis

AI 导读

研究指出 88% 的开源数学训练题对目标策略无效,MagicBeanStalk 通过递归数据合成生成校准难度的新题。 在 16K token 预算下,MagicBeanStalk 使 gpt-oss-120b 提升 8.6 分,DeepSeek v4Flash 提升 5.4 分,优于全量数据训练。

来源:arXiv · ML · arxiv.org