复旦等团队提出 PSN-RLVR：给参数加扰动提升大模型探索能力

复旦大学与上海创智学院等团队提出 PSN-RLVR，在解题前向模型参数引入贯穿整条推理的小幅扰动，以解决强化学习后训练的探索瓶颈。该方法使 Qwen3-4B-Base 在五项数学基准上的平均 pass@256 从 70.70% 提升至最高 76.10%，Llama-3.1-8B 从 39.56% 升至 49.92%。