论文：RLVR 的 pass@1 提升以 pass@k 为代价

论文称 RLVR 的 pass@1 提升必然以 pass@k 下降为代价。

资讯摘要

一篇论文将 RLVR 建模为基础策略在跨提示共享策略上的指数倾斜，并证明在排他性专门化下，每次提升 pass@1 的更新都会严格降低某些提示的成功率，这一代价由 Stiemke 对偶给出精确条件。作者报告，当损失波及最难提示时会迫使 pass@k 交叉，交叉次数受每提示成功率偏移的符号变化数约束，该界紧且可退化为已知的单交叉结果。论文还称约束更新会沿 pass@1 与 pass@k 的精确前沿移动，完全消除交叉将损失全部 pass@1 收益。

要点速读

1. 论文证明 RLVR 中提升 pass@1 的更新会严格降低部分提示的成功率，代价条件由 Stiemke 对偶刻画。
2. 作者报告损失触及最难提示时出现 pass@k 交叉，交叉次数不超过每提示成功率偏移的符号变化数。
3. 论文称完全消除交叉会失去全部 pass@1 增益，并给出可从评估日志读取该代价的诊断方法。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。