可验证奖励如何解释 LLM 在数学难题与 UI 设计上的能力分化

可验证奖励的差异解释了 LLM 为何能攻克数学难题，却难以做好 UI。数学答案可通过 Lean 等形式化证明自动验证，而 UI 的美观与好用具有主观性，规则、skills 和 guardrails 难以提供类似单元测试的精确反馈；能设计出可验证奖励信号的领域，模型往往进步更快。