arXiv 论文：RLVR 域外增益多为答案格式
原文标题：Same Answer, New Box: How Much of RLVR's Out-of-Domain Gain Is Answer Format?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文测量可验证奖励强化学习（RLVR）报告的域外增益中有多少来自答案格式而非真实能力。在四个 7B SimpleRL 基座-RL 模型对上，公开代码提取器报告的域外多选题增益有 82% 在更严格的提取器下消失。
- 问题
- RLVR 报告的域外能力增益可能只是答案格式变化。
- 方法
- 用公开代码提取器与自研提取器对同一批输出二次评分，对比域外多选题增益。
- 结果
- 四个 7B SimpleRL 基座-RL 模型对上，82% 的域外增益在严格提取器下消失；LLM 读者给出 77%，提示要求 box 时 79%。
- 影响
- 评估 RLVR 泛化时必须固定提取器，否则会把格式迁移误读为能力提升。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RLVR 报告的域外增益 82% 在更严格答案提取器下消失，实为格式增益
- •在四个已发布的 7B SimpleRL 基座-RL 模型对上，公开代码提取器报告的域外多选题增益 82% 在作者自建提取器下消失
- •原因是基座模型本已多在正文中给出答案，RL 将其移入 \boxed{} 答案框，而公开提取器优先读取答案框
- •独立 LLM 阅读器复核该比例为 77%；若提示词本身要求放入答案框，该比例为 79%
- •另一配方训练的 32B 模型对上几乎不存在格式增益：其基座被要求时会加框，RL 模型不加框时很少加框
为什么重要：RLVR 的域外泛化结论大量依赖答案提取器，若增益主要来自输出格式迁移，则相关评测结论与训练信号的有效性都需要重新审视。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。