我们该删除什么？评估 RLVR 数据去污染的可靠性与成本

研究团队对包含 1,673,514 个条目的 16 个开源 RLVR 数学语料库展开审计，评估了 8 种数据去污染策略。测试显示在 0.80 余弦阈值下，88%（52/59）的抽样删除被证实为误删，预设语义阈值均未达标。评审裁决策略在保留集上实现了 98.1% 的精确率与 98.2% 的候选召回率，相关标注与数据已开源。