仅需极简 RLVR 训练：通过秩 -1 轨迹外推大语言模型

可验证奖励的强化学习（RLVR）是提升大语言模型推理能力的主流范式，但其参数轨迹几何特性尚不明确。本文发现 RLVR 权重轨迹具有极低秩且高度可预测，主要性能增益可由参数增量的秩 -1 近似捕捉。据此提出 RELEX 方法，利用短观察窗口估计秩 -1 子空间并通过线性回归外推未来检查点，无需额外训练。实验表明，RELEX 仅需 15% 的训练步数即可达到或超越完整 RLVR 的性能，并能低成本外推至更远距离，其成功源于投影更新带来的“去噪”效应。