标题：人大高瓴赵鑫团队新作：拆解 RLVR，优化推理模型训练 正文： 大语言模型在数学题、任务规划等复杂任务中暴露出一个核心问题：会生成不等于会推理。尽管行业通过 RLHF 和奖励技术提升了模型表现，但“一本正经胡说八道”的现象仍普遍存在。人大高瓴学院赵鑫团队针对这一问题展开研究，提出了一种新的...