Countdown task

研究发现：AI推理多样性在初始步骤而非执行阶段丢失

一项新的研究论文探讨了具有可验证奖励的强化学习（RLVR）及其对AI模型推理多样性的影响。研究发现，RLVR在提高准确性的同时，通过阻碍推理的初始步骤而非执行阶段，显著缩小了解空间。研究人员证明，为模型提供一个未选中的入口前缀可以恢复完成率，表明存在可执行但未被启动的替代解决方案。针对这些早期步骤的干预措施成功地提高了解决方案覆盖率，而没有牺牲准确性，这表明推理广度在问题入口点就已丢失。