★ 3RL如何重塑大模型推理：迁移性、覆盖度与缩放律一篇新 arXiv 论文系统研究强化学习对 LLM 推理能力的影响，试图解释此前看似矛盾的证据：数学训练能提升其他领域表现，但 Pass@1 提升的同时 Pass@N 可能低于基座模型。作者在 Qwen 与 Gemma 系列上验证了跨域增益与遗忘并存、大采样预算下覆盖度有增有减的现象，并提出两阶段…arXiv cs.LG27 天前