重思由易到难：后训练中课程学习在演绎推理上的局限性

课程学习（CL）基于难度递增有助于泛化的直觉，广泛应用于大语言模型的预训练和后训练。然而，其在组合推理任务中的实际影响尚不明确。本文通过合成算术和逻辑基准，系统实证研究了后训练中的课程学习，其中难度由推理复杂度定义。研究发现，在不同模型家族和课程安排下，基于难度的排序相比随机采样在准确率或响应长度上均无显著优势。该结论在监督微调（SFT）和强化学习（RL）中均成立，挑战了基于课程的后训练在演绎推理中的实用性。