研究揭示 RLVR 训练的首因偏差：易题更强、难题收益有限
原文标题：On the Primacy Bias in RLVR Training
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。
论文从首因偏差视角研究可验证奖励强化学习（RLVR），发现混合数据训练会进一步强化模型已擅长的简单题，对难题提升有限。但难题恰恰最能扩展推理能力与表征，长时间训练难题又会造成简单题遗忘。该发现解释了 RLVR 在分布外与已训练领域表现矛盾的原因。
- 问题
- RLVR 能否真正扩展基座模型已有推理能力之外的部分尚不清楚。
- 方法
- 从首因偏差视角做受控实验与大规模分析，区分易题与难题的训练收益。
- 结果
- 未给出量化结果
- 影响
- 混合数据训练会放大易题优势，需针对性设计难题训练与防遗忘策略。
深读 · 结论先行AI 生成展开看要点与影响 ↓
研究揭示 RLVR 首因偏差：混合数据训练更强化简单题，难题收益有限
- •论文用首因偏差解释 RLVR：模型过度依赖已学表征，偏向已掌握的问题
- •混合数据训练会进一步拉高简单题表现，对难题只有边际提升
- •难题虽整体收益不大，却是扩展推理能力、推动表征变化最有效的部分
- •长时间训练难题会损害简单题表现，导致遗忘
- •该发现解释了 RLVR 在分布外领域与已训练领域表现矛盾的原因
为什么重要：如果 RLVR 主要是在锐化已有能力而非扩展能力，那么靠它突破推理上限的预期需要下调，数据配比与训练时长的取舍要重新设计。
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。