当技术社区关注于 RL 带来的短期收益时，或许需要此类研究提醒我们：大模型的真正突破，永远始于对本质问题的追问。 实验设计：用 pass@k 揭开模型的「能力边界」 一个很重要的问题是：如何界定模型所能触及的能力边界？ 传统评测聚焦单次回答准确率（pass ...

或者探索“更强的探索范式”，比如结合RL和生成式探索、提升模型对“低概率创新路径”的容忍度等。 强化学习（RL）真的能让大模型获得超越 ...

的新论文，给最近火热的RLVR（带可验证奖励的强化学习）又“泼了一盆冷水”。 强化学习（RL）真的能让大模型获得超越基础模型的新推理能力吗？ 近日，清华大学LeapLab团队联合上海交大，发布了一篇题为《Does Reinforcement Learning Really Incentivize Reasoning Capacity in ...

文中研究者们对当前“纯 RL 有利于提升模型推理能力”的主流观点提出了相反的意见。 通过一系列实验，他们证明引入强化学习的模型在某些任务 ...

Ashish团队：预训练LLM通过"Wait，"激发反思，提升任务表现。 Transformer作者Ashish Vaswani团队重磅LLM研究！简单指令：「Wait，」就能有效激发LLM显式反思 ...