论文分析 Outcome RL 对模型完成率与可靠性的影响

单作者论文《What Outcome RL Buys》系统对比 20 个已发布 RL 模型及其基座思考模型，范围覆盖 1.5B–32B。实验在物理与数学题和固定 token 预算下发现，Outcome RL 提升了 pass@1，但未提升大 k 的 pass@k，收益主要来自更快完成和更可靠作答，而非解决基座模型无法解出的题目。