IXThinker·2025-04-22 20:30

研究指強化學習難誘發新推理能力

一週熱門論文盤點中，清華黃高團隊關於強化學習推理能力的質疑最受關注；另有圖形RAG新方案NodeRAG、降低測試時計算成本的「睡眠時計算」，以及Meta的感知編碼器等多項研究入選，覆蓋推理、生成與模擬等方向。

質疑RLVR

普遍觀點認為，基於可驗證獎勵的強化學習（RLVR）能推動大語言模型持續自我優化，從而在數學與編程任務中習得超出基礎模型能力的新型推理能力。黃高團隊的研究則對此提出質疑，指強化學習無法誘發真正新的推理能力。