热点事件持续更新
无监督RLVR策略崩溃的集体动力学
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
2026年10月28日，一篇 arXiv 论文讨论无监督 RLVR 训练中的策略崩溃：自评奖励升高、准确率却下降，最终对所有问题给出同一答案。作者将该现象解释为多问题训练下的集体不稳定性，并给出临界问题数 N_c≃ln(1/δ)/(λ²G)。其称超过该规模后，共享耦合会以与问题数无关的 λ² 速率放大扰动，而单问题锐化仅按 1/N 变慢。这是目前报道中的最新进展，未提及早先报道或矛盾说法。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 01:01
新论文将无监督RLVR策略崩溃解释为多问题训练下的集体不稳定性。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AI / cs.LG 最新跨任务耦合如何在无监督 RLVR 中引发策略坍缩
这篇论文把无标注 RLVR 训练中自评奖励升高、准确率却下降、直到对所有问题给出同一答案的现象，解释为多问题训练下的集体不稳定性。作者给出临界问题数 N_c≃ln(1/δ)/(λ²G)，超过该规模后共享耦合以与问题数无关的 λ² 速率放大扰动，而单问题锐化只按 1/N 变慢。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。