Meta 等机构论文指出 RL 后训练提升首次成功率但收窄解题覆盖面

Meta Superintelligence Labs 联合威斯康星大学、NYU 和斯坦福发布《Sharpening Tax in Post-Training》，指出 RL 后训练提升 pass@1 的同时可能降低 pass@K。