提出DAHS+BHA缓解数学RLVR分布锐化

2026年10月15日，arXiv Artificial Intelligence 刊出 Pei-Xi Xie 等作者的报道，针对数学 RLVR 中的分布锐化问题提出两项方法。报道称，RLVR 中难题采样组全错会导致无有效更新，进而使问题覆盖收缩，形成分布锐化。为此，作者提出分布对齐提示合成（DAHS）与反向提示退火（BHA）：DAHS 以学生风格回答为条件构造经核验的教师提示；BHA 则按长度分桶，随准确率提升逐步退火提示暴露，并做逐题提示丢弃。报道将这两项方法作为应对上述问题的两个组件，并称对其进行了验证。截至该报道，事件进展为方法提出与验证，未涉及后续应用或效果数据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。