RLVR pass@k交叉现象配对推断与马尔可夫核分析

2026年11月4日，Chen Yang等人在arXiv发表研究，提出配对推断与马尔可夫核分析方法，旨在统计检验RLVR模型pass@k曲线上的“交叉现象”（即模型早期优于基线、后期反而落后）是否真实存在。 在9个公开RLVR检查点（3k-16k token）中，仅一个在多检验校正前勉强满足交叉标准；且非对称截断可能人为产生、掩盖或反转交叉，说明表观交叉需谨慎解读。 在1,060道去重竞赛题、32k token设定下，两个1.5B模型在k≈10–60处出现可认证的交叉，而两个7B模型未显示显著劣势；在3,000道新题的受控实验中，4个GRPO分支在k≈200后全面落后至k=4096，SFT则始终显著领先。

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。