热点事件持续更新
RLTL;DR 用自生成反馈突破 RLVR 瓶颈
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 1 日，据 AGI Hunt 报道，Michael Kirchhof 等人发布论文 RLTL;DR，提出让策略在失败后读取验证器输出，并自行撰写 TL;DR 式经验总结，以此突破 RLVR 的学习瓶颈。报道称，在被记为 Pass@128=0 的工具调用与编程数据集上，Qwen 3.5 9B Thinking 使用标准 GRPO 训练时 Pass@1 停留在 0-1%；改用 RLTL;DR 训练后达到 14-31%，且在评测阶段不提供任何 insight 的情况下仍保持 12-13%。截至目前，该事件仅有这一篇报道，尚未出现与上述数字或说法不一致的后续报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 09:36
论文称 RLTL;DR 让 Pass@128=0 任务 Pass@1 从 0-1% 升至 14-31%。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- AGI HuntRLTL;DR 论文：自生成反馈让 Pass@128=0 的任务提升至 14-31%
Michael Kirchhof 等人发布论文 RLTL;DR，让策略在失败后读取验证器输出并自写 TL;DR 式经验总结，以突破 RLVR 的学习瓶颈。在 Pass@128=0 的工具调用与编程数据集上，Qwen 3.5 9B Thinking 用标准 GRPO 训练 Pass@1 停留在 0-1%，RLTL;DR 训练时达 14-31%，评测不给任何 insight 也保持 12-13%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。