论文称 RL 提升多来自完成度与可靠性，而非学会新题。
资讯摘要
一篇论文在固定 token 预算下，比较 20 个已发布 RL 模型（1.5B 至 32B）与其基座思考模型在物理和数学题上的 pass@1，并将变化拆为完成度、可靠性和触及新题三部分。作者报告：基座常因预算耗尽未作答时，变化主要来自完成度（4k 与 8k 下占 82%）；预算充足时提升主要来自可靠性；RL 很少解出基座解不出的题，触及增益最多 2.1 个百分点。
要点速读
- 论文将 pass@1 变化拆为完成度、可靠性、触及新题三部分，在固定 token 预算下比较 20 个 RL 模型与各自基座。
- 基座常因预算耗尽未作答时，变化主要来自完成度，4k 与 8k 下占 82%；给基座更多 token 可自行缩小大部分差距。
- 作者报告 RL 很少解出基座解不出的题，触及增益最多 2.1 个百分点；144 道仅 RL 解出的物理题中 3.5% 经重采样或人工阅读仍成立。
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 2026/10/29 08:00:20（北京时间）。