超越分布锐化：任务奖励的重要性

前沿模型在整合基于任务奖励的强化学习（RL）后展现出卓越能力，实现了从纯推理模型向复杂智能体的进化。然而，关于 RL 是赋予新技能还是仅锐化现有分布以激发潜在能力仍存在争议。本文利用 RL 作为工具，明确对比了分布锐化与基于任务奖励的学习范式。分析揭示了分布锐化的固有局限性，证明其最优解可能不利且方法根本不稳定。实验证实，锐化增益有限，而引入任务奖励信号能显著提升性能并实现稳定学习。