RLVR 的价格与自学习的出路：一篇算清 pass@1 与 pass@k 的交换率，一篇教会模型研读教科书
精读两篇 2026 年 10 月下旬新论文：There Is No Free Lunch in RLVR 用指数倾斜建模与 Stiemke 对偶证明 pass@1 的每一分提升都必有 pass@k 的价格，并给出精确交换前沿；Incentivizing Self-Learning via RL 用 BookNavigator 三工具与轮级工具信用分配，把 Intern-S2-35B 的教科书证明准确率从 51.5% 拉到 79.5%，且换教材、换学科、换任务类型都能保持。一篇划定理论极限，一篇展示激励设计的实践出路。