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 ...

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 ...

这不是模型升级，不是RL算法迭代，而是一种更根本的范式转折： → 从模仿人类到超越人类→ 从静态数据到动态经验→ 从监督学习到主动试错 大卫·西尔弗，理查德·S·萨顿* 摘要 我们正站在人工智能新时代的门槛上，这个新时代有望实现前所未有的能力水平。

1. RL for LLMs，强化学习的 Scaling Law 才刚刚起步？ 为什么说 LLM 性能的下一个突破点是强化学习的 Scale？RL 是如何增强 LLM 的能力的？预训练与 RL ...