Locked at the Entrance, Open Inside: Where RLVR Narrows the Solution Space

• 类型：arxiv
• 标识：2608.29188
• 链接：https://arxiv.org/abs/2608.29188
• 主分类：llm-infra
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：While surface prompting fails to recover diversity, entrance-targeted interventions succeed: late-layer parameter interpolation with early checkpoints increases solution coverage by 37% at no loss in pass@1 and late-layer parameter interpolation with early checkpoints increases solution coverage by 37% at no loss in pass@1.
• OpenAlex ID：W7204921312
• OpenAlex DOI：10.48550/arxiv.2608.29188
• DOI：10.48550/arxiv.2608.29188
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.29188
• OpenAlex更新：2026-09-07
• 待LLM分类：否
• 标题中文：锁于入口，开于内里：RLVR 收窄解空间的位置
• TLDR中文：表面 prompting 未能恢复多样性，而针对入口的干预则成功：使用早期 checkpoint 的 late-layer parameter interpolation 在不损失 pass@1 的情况下将解的覆盖度提高了 37%。
• 成熟度：research
• 场景：RLVR、reasoning、test-time scaling
• 来源文件：
• /inbox/tom/_candidates/2026-09-05-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-09-06-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]
• /inbox/tom/_candidates/2026-09-07-agent-rag-longcontext-candidates.json