研究称噪声数据破坏RLVR，高质量数据无可替代

一项新研究指出，真实噪声数据会显著破坏可验证奖励强化学习（RLVR）的训练效果，推翻了此前“模型能从错误标注中有效学习”的论断。实验表明，在噪声影响下Qwen2.5-Math-7B性能下降9%。作者强调，RLVR并非提升推理能力的捷径，高质量数据才是关键。

2026-08-04 ~ 2026-08-04 · 3 条相关

• 作者称 RLVR 不是推理能力的捷径，真正关键的还是高质量数据 — ddkang · 2026-08-04
• 真实噪声数据会击穿 RLVR：Qwen2.5-Math-7B 下降 9% — ddkang · 2026-08-04

另有 1 条近重复转述:ddkang