研究证明RLVR提升pass@1必有pass@k损失

2026年10月29日，Yinuo Liu等人在arXiv发表论文，针对可验证奖励强化学习（RLVR）提出核心论点。论文证明在互斥专业化条件下，任何提升pass@1指标的更新必然导致某些提示词的成功率下降，证实了性能提升的内在代价。 研究将RLVR建模为基础策略上的指数倾斜，明确指出强化学习无法拓宽推理边界，只能在其上进行权衡。作者提出了可测量的诊断指标，包括边界读取、保序测试及评估日志中的代价分析，以量化这一机制固有的限制。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。