研究拆解 Outcome RL 收益：主要来自完成度与可靠性
热点事件持续更新
研究拆解 Outcome RL 收益：主要来自完成度与可靠性
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
Shan Yang 等人在 arXiv 发布论文，将 Outcome RL 模型相对基座思考模型的 pass@1 提升拆解为完成度、可靠性和覆盖面三部分，在固定 token 预算下比较 1.5B 到 32B 共 20 个已发布 RL 模型与其基座。结论是：预算紧张时增益主要来自“在预算内完成作答”（完成度），预算充足时增益主要来自可靠性；RL 极少解出基座解不出的问题，覆盖面在四个物理和数学题集上最多带来 2.1 个百分点。该研究针对的是物理与数学题目上的表现。论文还抽查了 144 道仅 RL 解出的物理题，复核后仅 3.5% 确实成立。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 14:14
Outcome RL 带来了什么：对 20 个 RL 模型的完成度、可靠性与覆盖面拆解报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv · cs.CL精选Outcome RL 带来了什么：对 20 个 RL 模型的完成度、可靠性与覆盖面拆解
一项 arXiv 论文将 Outcome RL 提升 pass@1 的来源拆解为完成度、可靠性和覆盖面三部分，在固定 token 预算下比较 1.5B 到 32B 共 20 个 RL 模型与其基座思考模型。结果显示基座常耗尽预算时 82% 的变化来自完成度，预算充足时增益主要来自可靠性；RL 极少解出基座解不出的问题，覆盖面最多带来 2.1 个百分点，抽查 144 道仅 RL 解出的物理题中仅 3.5% 经复核成立。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。