arXiv cs.AI· Ximing Lu, Aviral Kumar, Jan Kautz, Yejin Choi, David Acuna·· 22 天前AI 评分43
MagicBeanStalk：通过递归数据合成摆脱 RLVR 的零优势陷阱
MagicBeanStalk: Escaping the RLVR Zero Advantage Trap with Recursive Data Synthesis
AI 导读
研究人员提出递归数据合成算法 MagicBeanStalk，通过自顶向下分解与自底向上递归合成，在保留推理蓝图的同时生成难度校准的训练题目，以解决 RLVR 中约 88% 问题全对或全错导致的零优势陷阱。
来源：arXiv cs.AI · arxiv.org