Yejin Choi

The Invisible Leash: Why RLVR May or May Not Escape Its Origin

无形的绳索：为何RLVR可能或可能不逃脱其起源

Fang Wu, Weihao Xuan, Ximing Lu, Mingjie Liu, Yi Dong, Zaid Harchaoui, Yejin Choi

机构 * stanford（斯坦福大学） ； tokyo（东京大学） ； nvidia 纠错

AI总结 RLVR可能限制模型发现原创解决方案，其在提升精度的同时可能缩小探索范围，需未来创新以扩展代表性不足的解决方案区域。