Open RLVR math corpora

研究质疑 AI 数学数据去污方法的有效性

一篇新研究论文探讨了可验证奖励强化学习 (RLVR) 数学语料库的数据去污方法的有效性和成本。该研究针对六个基准审计了十六个开放 RLVR 数学语料库，并评估了八种数据清理策略。结果表明，许多现有策略，特别是那些使用余弦阈值的语义匹配策略，会导致高比例的错误移除，即合法训练数据被丢弃。该论文提出，现有的法官裁定策略在精确率和召回率之间取得了更好的平衡，尽管它也承认在衡量其评估框架之外的污染方面存在局限性。