arXiv Artificial Intelligence· Yinuo Liu·2026-10-30 12:00· 17 小时前AI 评分58

论文指出 RLVR 没有免费午餐：pass@1 的每一点提升都以 pass@k 为代价

There Is No Free Lunch in RLVR: Every pass@1 Gain Has a pass@k Price

AI 导读

arXiv 论文《There Is No Free Lunch in RLVR》提出，带可验证奖励的强化学习（RLVR）会让模型首次尝试解出更多问题，但在大采样预算下基础模型反超。