综述58项RLVR验证器错误研究

一项综述梳理了 58 项测量、分析与缓解验证器错误的研究，指出 RLVR 依赖检查器本身正确这一假设在现实中并不成立。研究发现错误的结构比错误率更重要：随机错误多只拖慢学习，而策略可学会触发的假阳性可能导致训练停滞或崩溃；验证器误判取决于其检查内容与构建者而非所属模型族。作者据此提出统一报告协议，以使未来结果可比。

摘自 arXiv：cs.AI

还没有足够的连续观测数据，暂不绘制趋势。