实体 Stiemke duality

Stiemke duality

PulseAugur coverage of Stiemke duality — every cluster mentioning Stiemke duality across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_332913 · Oct 29 · 03:43

RLVR 不提供免费午餐：研究发现 pass@1 的提升会带来 pass@k 的成本 · 跟踪 3 个来源

一篇新的理论论文认为，具有可验证奖励的强化学习（RLVR）并不能从根本上提高语言模型的推理能力。相反，它表明在第一次尝试解决问题（pass@1）时获得的任何提升，都将以在需要多次尝试才能解决的问题（pass@k）上的性能下降为代价。该研究建立了一个数学定理，表明在策略专业化下，这种权衡是 RLVR 的固有属性，这意味着一个指标的改进必然会损害另一个指标。这一发现表明，RLVR 主要是在固定的前沿优化性能，而不是扩展它，任何感知到的收益…