arXiv 自然语言处理· Siyu Zhang, Yuquan Lu, Yoshua Y. Li, Yifan Ding, Kun Zeng, Yu Huo, Yifu Guo, Rongxiang Weng, Xunliang Cai, Xiaoying Tang·· 4 小时前AI 评分63
arXiv 论文探究强化学习对推理能力的提升机制：仅借用 4% 关键决策即可恢复九成增益
What RL Brings to Reasoning: A Few Decisions the Base Model Would Not Make
AI 导读
arXiv 新论文通过对 Qwen3-4B-Base 进行生成期干预，发现仅在与强化学习模型贪婪选择不同的位置（约占生成 token 的 4%）借用其决策，即可在 120 道 AIME 题目上恢复 90.5% 的 pass@1 性能增益。
来源：arXiv 自然语言处理 · arxiv.org