RL 让 AI 数学证明越来越难读:正确性奖励脱离人类表达分布

burny_tech · x · 2026-11-21

一个值得注意的模型行为观察:强化学习使 AI 生成的数学证明「极难阅读」——因为 RL 不再那么受人类表达分布约束,而是主要由正确性奖励驱动。模型只要证明正确就能拿分,无需写得让人类看得舒服,这正在改变 AI 数学输出的可读性。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →