MagicBeanStalk 提出递归数据合成，破解 RLVR 零优势陷阱
原文标题：MagicBeanStalk: Escaping the RLVR Zero Advantage Trap with Recursive Data Synthesis
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。
论文指出常用开源数学语料约88%的问题落入零优势陷阱，即每次 rollout 全对或全错。为此提出 MagicBeanStalk 递归数据合成算法，自顶向下分解、自底向上生长出难度校准的新问题。在8个数学基准上，gpt-oss-120b 从61.2提升至69.8，DeepSeek v4Flash 从72.4提升至77.9。
- 问题
- 开源数学语料约88%问题落入零优势陷阱，rollout全对或全错，RLVR信号无效。
- 方法
- 提出MagicBeanStalk递归数据合成，自顶向下分解、自底向上生长出难度校准的新问题并保留推理蓝图。
- 结果
- 8个数学基准上gpt-oss-120b从61.2升至69.8，DeepSeek v4Flash从72.4升至77.9。
- 影响
- 把数据合成从堆量转向难度校准，直接提升RLVR训练效率与模型数学能力。
深读 · 结论先行AI 生成展开看要点与影响 ↓
常用开源数学语料约88%问题无学习信号，MagicBeanStalk递归合成让gpt-oss-120b提升8.6分
- •论文实测：固定策略与rollout预算下，约88%开源数学题每次rollout全对或全错，落入零优势陷阱
- •过滤只能筛选、会丢弃难题，因此需合成保留原题推理蓝图、难度校准的新问题
- •MagicBeanStalk采用自顶向下分解、自底向上生长的递归合成算法
- •8个数学基准上gpt-oss-120b从61.2升至69.8，DeepSeek v4Flash从72.4升至77.9
为什么重要：RLVR的数据瓶颈可能不在语料规模而在学习信号密度，这条给出可量化的诊断指标与合成替代路径，直接影响做数学推理RL训练的数据策略。
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。