https://inkeast.github.io/MessageDaily/tags/%E8%87%AA%E5%AD%A6%E4%B9%A0/Recent content in 自学习 on MessageDailyHugozh-cnSat, 31 Oct 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-10-31-rlvr-theory-self-learning-duo/Sat, 31 Oct 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-10-31-rlvr-theory-self-learning-duo/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。