**这是一篇介绍作者近期 LLM 强化学习后训练论文的博客，论文提出了 RL 训练中的“马太效应”（Matthew Effect）问题，并提出用 Never Give Up（永不放弃）方法解决，论文和代码已发布在 arXiv 和 GitHub。

**实验在 Olmo 3.1 RL-Zero Math 上进行 RL 训练，用 AIME 2025 的 30 道题做评估，并将题目按难度分为三档：初始模型 pass@32 得分为 0 的题记为“困难”，其余按通过率均分为“中等”和“简单”。

**三档题目的初始 pass@1 平均值分别为 0%、3.8% 和 22.7%。

**关键发现：对 AIME 评测取平均掩盖了重要事实——大部分提升来自最简单的题目从“部分解出”变为“基本解出”，而最难的题目几乎没有改善，这一现象从每道题解题率随时间的变化图中清晰可见。

**作者还指出这不只是数学 RL 的现象，并在代码 RL 和智能体 RL 上进行了评估。

通过“永不放弃”让 LLM 强化学习学会攻克难题