Kết quả RL mua: hoàn thành, độ tin cậy, hiếm khi đạt được

Đoạn trích bài viết

Kết quả RL tăng pass@1 nhưng không pass@k ở lớn k (Yue et al., 2025). Nhưng mỗi pass@1 được ghi theo một ngân sách token. Mỗi công thức cũng được huấn luyện dưới một. Về các vấn đề vật lý và toán học ở ngân sách token cố định, chúng tôi so sánh pass@1 của 20 mô hình RL (1.5B đến 32B) được phát hành với mô hình tư duy.