少即是多：衡量低数据与低算力制度下 RLVR 的有效性

大型语言模型的微调通常依赖大量高质量标注数据，这在资源受限场景中难以实现。本文对开源小语言模型在低数据制度下经可验证奖励强化学习（RLVR）训练后的表现进行了全面实证研究。通过涵盖计数、图推理和空间推理的三个新数据集，分析了性能随数据规模、多样性及复杂度的变化规律。研究发现：程序化数据集支持可控属性评估；低复杂度任务训练可泛化至高复杂度任务；混合复杂度训练在低数据下样本效率最高，可达简单任务的五倍。