RLVR 逻辑推演：人类数据耗尽后，安全与数学成为下一个可验证训练场

felpix_ 在推文中推演，人类可用数据在 2025 年初基本耗尽后，RLVR 的下一个可验证训练场是安全攻防与未解数学问题。推文称 RLVR 经 o1 验证，到 2025 年中模型已攻下 IMO 并能完成约 90% 的 SWE/PM 任务。2025 底至 2026 初公开模型在这两个领域快速进步，作者认为这解释了 OpenAI 与全球数学家的冲突。