Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?

Nghiên cứu so sánh mô hình nền và mô hình huấn luyện bằng phần thưởng kiểm chứng được trên các bài toán suy luận. Đánh giá pass@k và phân tích phân phối lời giải giúp phân biệt lấy mẫu hiệu quả hơn với việc xuất hiện kiểu suy luận mới.

Nghiên cứu so sánh mô hình nền và mô hình huấn luyện bằng phần thưởng kiểm chứng được trên các bài toán suy luận. Đánh giá pass@k và phân tích phân phối lời giải giúp phân biệt lấy mẫu hiệu quả hơn với việc xuất hiện kiểu suy luận mới.

Khi đọc bài gốc, hãy xác định bài toán, đầu vào, đầu ra và giả định của phương pháp.

Nghiên cứu so sánh mô hình nền và mô hình huấn luyện bằng phần thưởng kiểm chứng được trên các bài toán suy luận. Đánh giá pass@k và phân tích phân phối lời giải giúp phân biệt lấy mẫu hiệu quả hơn với việc xuất hiện kiểu suy luận mới.

Đối chiếu baseline, dữ liệu, giao thức đánh giá và ablation trong bài gốc. Mục giới thiệu này không cung cấp một đánh giá độc lập hoặc bảng kết quả thực nghiệm.