强化学习改善法学硕士参数知识的遍历

arXiv:2511.05933v3 公告类型：替换交叉 摘要：强化学习（RL）通常被认为是在牺牲事实知识的情况下提升推理能力。我们反而发现，推理模型通过访问 e，在事实回忆方面表现优于其指令调优版本。