已收录文章摘要，完整内容可前往原文阅读。
PSN-RLVR团队 投稿量子位 | 公众号QbitAIDeepSeek-R1等模型让人们看到了强化学习的潜力。但已有研究发现，模型答得更准，未必意味着能解出的题目更多。怎样让大模型跳出熟悉的套路，探