研究者质疑可验证性决定能力跃迁信息不对称才是关键
开源圈知名研究员 kalomaze 于 9 月 12 日在 X 上连续发帖，系统性地反驳 AI 社区的一种流行直觉——「能力跃迁（spiky capabilities）取决于领域是否可验证」，即只有数学、软件工程这类可验证领域才会被 RLVR（可验证奖励的强化学习）攻克。
已确认
- kalomaze 明确主张，比「可验证性」更本质的底层原语是信息不对称：即使任务本身不可验证，信息不对称几乎总能被人为制造出来，因此不可验证领域未必就 immune 于 RLVR，同样可能从中获益。
- 在续帖中他进一步论述：训练前并不一定需要一个解析形式的「迁移机制理论」——这种理论很可能根本不存在闭式解；真正需要的是一个针对给定策略的、可学习构建的迁移外推函数，用学到的函数来预测某个训练构型能否带来迁移收益。
- 关于「为什么迁移的外推大概率必须被学习」，他给出的直觉是：CoT/推理本质上是把问题分解为可跨领域通用组合的子程序，好的策略往往能跨截然不同的领域问题通用，因此迁移性难以用手工理论刻画，更适合直接学出来。
为什么重要
- 当前业界普遍把 RLVR 的适用范围限定在数学、代码等可验证域，这一直觉直接影响训练资源与产品方向的分配；若信息不对称才是通用原语，则 RLVR 的适用面可能远比主流认知更广，不可验证领域（如开放式写作、长程规划等）也存在被 RLVR 攻克的空间。
- 「迁移外推函数可学习」的提法为 RLVR 的扩展提供了一条工程化路径：不必等待理论完备，可以先构建预测迁移收益的学习器来指导训练构型的选择。该观点目前为个人研究判断，尚待社区验证。
2026-09-12 ~ 2026-09-12 · 8 条相关
一手来源
- 研究者质疑「可验证性决定能力跃迁」直觉：RLVR 适用面更广 — kalomaze ·
- kalomaze:信息不对称才是 RLVR 泛化的通用原语,别迷信可验证性 — kalomaze ·
- kalomaze：迁移能力外推应作为可学习的函数来训练 — kalomaze ·
- 【源头】研究者质疑「可验证性决定能力跃迁」直觉：RLVR 适用面更广 — kalomaze · 2026-09-12
- 【源头】kalomaze:信息不对称才是 RLVR 泛化的通用原语,别迷信可验证性 — kalomaze · 2026-09-12
- kalomaze 续谈 RLVR 迁移:无需解析理论,可学一个迁移外推函数 — kalomaze · 2026-09-12
- 【源头】kalomaze：迁移能力外推应作为可学习的函数来训练 — kalomaze · 2026-09-12
- RLVR能力尖刺论遭质疑：信息不对称才是可训练性的关键 — StefanGliga · 2026-09-12
- kalomaze:能力迁移弱因行业只做「分域赌运气」,不预测迁移 — kalomaze · 2026-09-12
- StefanGliga 反驳「尖峰能力取决于可验证性」:核心是信息不对称 — kalomaze · 2026-09-12
- kalomaze：能力尖峰不取决于可验证性，信息不对称几乎总能人为制造 — kalomaze · 2026-09-12