RLVR的pass@1提升以pass@k下降为代价

2026年10月30日，arXiv 人工智能板块刊出论文《There Is No Free Lunch in RLVR》，作者 Yinuo Liu 提出，带可验证奖励的强化学习（RLVR）并非没有代价：它让语言模型在首次尝试时解出更多问题，但在给出多次尝试时解出的问题反而更少，即 pass@1 上升的同时，在大采样预算 k 下基础模型会反超。论文将这一现象概括为 RLVR 中 pass@1 与 pass@k 之间的权衡，并给出理论分析。报道称，该结论意味着 RLVR 的 pass@1 每一点提升都以 pass@k 为代价。目前事件进展停留在该论文提出上述权衡与理论分析，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。