RLVR定理证明：pass@1提升必有pass@k代价
热点事件观察中
RLVR定理证明：pass@1提升必有pass@k代价
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
一项arXiv研究（arXiv:2610.39295）从数学上证明：RLVR（可验证奖励强化学习）在提升模型一次通过率（pass@1）的同时，必然压低部分提示上的成功率，使得在大采样预算k下，未训练的base模型会反超RLVR训练后的模型。作者Yinuo Liu将RLVR建模为base策略的指数倾斜，并证明该代价为正是必要条件——若完全消除pass@k交叉，则会损失全部pass@1收益。 研究还指出这一机制可统一解释entropy collapse与entropy-performance law，并提供了可从评测日志中直接读出该代价的诊断工具。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 11:43
RLVR 没有免费午餐：每一分 pass@1 提升都有 pass@k 代价报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.AIRLVR 没有免费午餐：每一分 pass@1 提升都有 pass@k 代价
一项 arXiv 研究用定理证明，RLVR（可验证奖励强化学习）提升 pass@1 的同时必然压低部分提示的成功率，导致大采样预算 k 下 base 模型反超的 pass@k 交叉。研究将 RLVR 建模为 base 策略的指数倾斜，给出正价是必要条件的 Stiemne 对偶证明，并推出完全消除交叉会损失全部 pass@1 收益。同一机制还统一了 entropy collapse 与 entropy-performance law，附带的诊断工具可从评测日志中读出该代价。
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。