强化学习让 LLM 强者愈强，Never Give Up 方法帮助模型攻克难题

Michael Noukhovitch 发表论文，提出 LLM 强化学习训练中的马太效应，即 RL 提升幅度与模型初始能力成正比，最难的问题（初始 pass@32 为 0）几乎不改进。