研究拆解结果型 RL 对 pass@1 的提升来源

一项研究在固定 token 预算下对比 20 个已发布 RL 模型（1.5B 至 32B）与其基座思考模型，把 pass@1 变化拆成完成、可靠与触达三部分。结果显示，基座常在预算内答不完时，82%（4k 和 8k 预算）的变化来自完成；基座 token 充足时增益主要来自可靠性。