研究者提出RECAP缓解推理模型通用能力遗忘

Hoang Phan等作者提出一种名为RECAP的经验回放策略，用动态目标重加权缓解大推理模型在RLVR（可验证奖励强化学习）训练中的通用能力遗忘。 据作者称，RLVR训练会使开源推理模型在感知、忠实性等核心能力上退化；RECAP利用收敛与不稳定的短时信号在线调整各目标的训练权重，把训练重心从已饱和目标转向表现不足或波动较大的目标。目前该研究以预印本形式发布，尚未见独立验证其实际效果。

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。