清華樂洋解讀RLVR 可驗證獎勵能否令LLM更聰明

榮譽獎論文的直播

NeurIPS 2025最佳論文榮譽獎得主、清華大學的樂洋，將於12月16日周二上午10時30分進行線上報告，主題為可驗證獎勵強化學習：拓展大語言模型推理的新路徑。

這篇論文題為Limit-of-RLVR，探討強化學習是否真正激勵了大模型的推理能力。作為當下最受關注的訓練範式之一，對RLVR的反思極具話題性。