arXiv 人工智能· Ximing Lu, Aviral Kumar, Jan Kautz, Yejin Choi, David Acuna·· 8 小时前AI 评分46
MagicBeanStalk：通过递归数据合成摆脱强化学习 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重构，生成难度与模型能力及 rollout 预算对齐的训练题目，以解决开源 RLVR 数据集中约 88% 题目陷入全对或全错的“零优势陷阱”。
来源：arXiv 人工智能 · arxiv.org