伯克利新论文称强化学习仅重排推理策略而非扩展边界

UC Berkeley 团队发布论文《How RL Reshapes LLM Reasoning: Transferability, Coverage, and Scaling Laws》，基于 Qwen 与 Gemma 模型家族研究「RL 是否扩展 LLM 推理边界」这一争议。结果显示，强化学习并未教会模型新的推理技能，而是对已有策略空间重新加权：数学训练可带来跨域提升，且 Pass@1 提高的同时 Pass@N 可能下降。论文还给出了相关理论与 scaling 律分析。

2026-10-27 ~ 2026-10-28 · 3 条相关

• UC Berkeley 论文：RL 是重加权而非扩展 LLM 推理边界 — burny_tech · 2026-10-27
• RL 只是重排推理策略而非扩边界：新论文给出理论与 scaling 律 — burny_tech · 2026-10-28

另有 1 条近重复转述:burny_tech