https://inkeast.github.io/MessageDaily/tags/%E6%8E%A8%E7%90%86%E6%9C%BA%E5%88%B6/Recent content in 推理机制 on MessageDailyHugozh-cnSun, 06 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-06-locked-at-the-entrance-rlvr-paper-reading/Sun, 06 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-06-locked-at-the-entrance-rlvr-paper-reading/RLVR 提升 pass@1 却坍缩解空间已是共识，但坍缩发生在哪一步始终未知。上海大学×伯明翰大学在 Countdown 任务上穷举解空间、按首操作数+算子划分入口族，把求解分解为 access×execution：PPO 覆盖 0.337→0.111，首算术操作前的似然偏移是下游的 11–16 倍，塞一个入口前缀就能让低覆盖族完成率 0.018→0.212——能力还在，只是不再进门。后层参数插值恢复 37% 覆盖且 pass@1 零损失。