★ 3
arXiv 论文：RLVR 域外增益多为答案格式
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。
arXiv cs.LG17 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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。