kalomaze：信息不对称才是RLVR通用原语

9 月 12 日，开源圈知名研究员 kalomaze 在 X 上连续发帖，系统性反驳 AI 社区的流行直觉——「能力跃迁（spiky capabilities）取决于领域是否可验证」，即只有数学、SWE 这类可验证领域才会被 RLVR（可验证奖励的强化学习）攻克。他主张更本质的底层原语是信息不对称，且信息不对称几乎总能被人为制造，因此不可验证领域未必对 RLVR 免疫。StefanGliga 亦在讨论中附和，认同核心原语是信息不对称而非可验证性。当前这些均为个人研究判断，尚待社区验证。

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，因此不可验证领域同样可能从 RLVR 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。
• 在与 StefanGliga 的讨论中他补充：当前 RL 训练能力迁移之所以弱，是因为行业并未真正尝试通过更好的「迁移预测」来显式瞄准它，现有做法压倒性地是「按显式领域分层然后祈祷」。
• 他还认为，「模型之间能力迁移不佳」不该解读为模型本身泛化能力差，而是人类选题方式造成的间接窄化：人在寻找「能广泛迁移」的改进上直觉很差，于是大家只扩造已知有用问题的合成数据，而这些任务基本是 SWE 工程师关心的那一类。

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，开放式写作、长程规划等不可验证领域也存在被攻克的空间。
• 「迁移外推函数可学习」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选择。
• 将「迁移差」归因于人类选题偏好而非模型泛化缺陷，意味着通过改进任务选择与数据构造即可释放更多迁移潜力，对合成数据策略有直接指导意义。

2026-09-12 ~ 2026-09-12 · 9 条相关

• 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
• 【源头】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
• 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
• 【源头】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
• kalomaze：模型迁移差非泛化缺陷，而是人类选题偏好所致 — kalomaze · 2026-09-12