在人工智能的演进历程中，强化学习（Reinforcement Learning, RL）已成为大型语言模型（LLM）后训练与对齐的标准范式。/arxiv.org/pdf/2603.19987)。然而，一个令人困惑的现象正逐渐显现：尽管RL在复杂推理、数学问题求解和智能体行为方面取得了突破性进展，但它似乎陷入了一个令人沮丧的“能力天花板”——模型的表现更像是对预训练阶段已存在模式的精炼，而非真正拓展其能力边界。
在人工智能的演进历程中，强化学习（Reinforcement Learning, RL）已成为大型语言模型（LLM）后训练与对齐的标准范式。/arxiv.org/pdf/2603.19987)。然而，一个令人困惑的现象正逐渐显现：尽管RL在复杂推理、数学问题求解和智能体行为方面取得了突破性进展，但它似乎陷入了一个令人沮丧的“能力天花板”——模型的表现更像是对预训练阶段已存在模式的精炼，而非真正拓展其能力边界。