首页 > 资讯AI

学术打假！清华上交大研究颠覆认知：强化学习竟是大模型推理的"绊脚石"

文章来源：放心AI网发布时间：2025-06-25 13:05:14

【研究颠覆】

清华大学与上海交通大学联合发表的最新论文，对业界普遍认为"纯强化学习（RL）能提升大模型推理能力"的观点提出了挑战性反驳。研究发现，引入强化学习的模型在某些任务中的表现，反而逊色于未使用强化学习的原始模型。

【实验验证】

研究团队在数学、编码和视觉推理三大领域进行了系统性实验:

数学任务:在GSM8K、MATH500等基准测试中，RL模型在低采样次数（k值）下准确率提升，但在高k值时问题覆盖率显著下降编码任务:RLVR训练模型在HumanEval+等测试中单样本pass@1分数提高，但在高采样数（k=128）时覆盖率下降视觉推理:Qwen-2.5-VL-7B模型在多模态任务中表现一致，RL未改变其基本问题解决策略

【学界争议】

研究结果引发学界激烈讨论:

支持方认为RL提高了采样效率但限制了推理能力开发反对方指出可能是奖励结构缺陷而非RL本身问题中立观点建议结合蒸馏等其他方法增强推理

【本质思考】

研究团队提出关键区分:

能力:模型解决问题的潜质与逻辑链条效率:在给定能力范围内得出答案的速度与稳定性

强化学习更像是"能力调控器"而非"能力创造器"，它能让模型更擅长做已知的事，但难以开发新的推理路径。

【行业启示】

这项研究为过热的大模型RL训练热潮敲响警钟，提示行业应:

更关注基础模型的表示能力与知识组织明确区分能力提升与效率优化的目标建立更科学的推理能力评估体系

东风汽车发布“天元智能”技术品牌，助力智能化未来

上一篇: 东风汽车发布“天元智能”技术品牌，助力智能化未来

在2025上海车展上，东风汽车以 “智绘新东风” 为主题隆重亮相，展出了26台整车和9项前沿技术展品。这次展会标志着东风汽车旗下自主品牌的首次联合展出，展示了其在智能汽车领域的雄心和创新能力。东风汽车在此次展

相关攻略更多

热门核心AI更多

最新资讯更多

Firra流程图

Firra流程图

核心AI

更新时间：2025-05-09