推文推演：RLVR 下一个可验证训练场是安全与数学

2026 年 10 月 28 日，有推文对 RLVR（可验证奖励强化学习）的下一步走向作出推演。发帖人 felpix_ 提出，人类可用数据在 2025 年初已基本耗尽，RLVR 之后可继续提供可验证信号的领域，将是安全攻防与尚未解决的数学问题。该推文称，RLVR 的路线已由 o1 验证；到 2025 年中，模型已能应对 IMO 并完成约 90% 的 SWE/PM 任务；2025 年底至 2026 年初，公开模型在安全与数学这两个领域快速进步。作者据此认为，这可以解释 OpenAI 与全球数学家之间出现的冲突。上述内容均为推文作者的推演与观点，尚未见独立信源证实相关数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。