强化学习真能让AI推理能力突破基座限制吗？清华研究提出新质疑

清华大学与上海交通大学的研究指出，当前基于RLVR的强化学习训练并未突破大模型基座的能力上限。通过数学、代码、视觉推理等跨领域实验发现，强化学习虽提升采样效率，但其正确答案均存在于基座模型中，且在大规模采样时基座模型表现反超。该研究质疑了强化学习赋予模型新推理能力的普遍认知，指出RL训练可能限制问题覆盖范围，暗示技术突破需回归基础模型革新。