IXThinker·2025-11-12 22:30

NeurIPS唯一滿分論文挑戰強化學習熱潮

一篇獲四位審稿人全數給出6分、成為NeurIPS唯一滿分論文的研究近日廣受討論，其結論直指強化學習並非決定推理上限的關鍵，對當紅的RLVR路線構成直接挑戰。

出人意料的結論

論文指出，真正決定模型推理上限的是基座模型本身而非強化學習，且蒸餾比強化學習更有望實現大模型自我進化。這一判斷與主流認知明顯相左，因而被形容為向RLVR潑冷水。