**RLVR突破数学与代码：大模型开放式任务自我进化新探索**

_走出数学与代码，大模型还能自我进化吗？_

> 可验证奖励的强化学习（RLVR）已成为提升大模型推理能力的重要技术路线，在数学和代码等具有标准答案的任务中表现优异。然而，创意写作和研究分析等开放式任务缺乏唯一正确答案，现有方法依赖人工偏好、奖励模型或LLM裁判，准确性与成本仍面临挑战。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：ai-models
- **发布时间**：2026-08-06 10:31（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-08-06)