大模型自我进化新挑战

📖 内容分析

可验证奖励的强化学习（RLVR）逐渐成为提升大模型推理能力的重要技术路线。在数学和代码任务中，标准答案和编译器能够自动判断输出是否正确，从而为大规模强化学习提供准确、低成本的奖励信号。然而，创意写作和研究分析等开放式任务通常不存在唯一正确答案。现有方法往往依赖人工偏好、奖励模型或 LLM Ju...

📊 影响分析

RLVR技术提升大模型在数学、代码等硬逻辑任务上的能力，但开放式任务仍存瓶颈，利好算力芯片及垂直大模型公司。

🔗

逻辑传导链

事件触发 ⚡

可验证奖励的强化学习（RLVR）在数学、代码等硬逻辑任务上表现优异，但开放式任务仍依赖人工，技术瓶颈引发产业关注

15-20%百分点

数学推理准确率提升幅度

>50%

开放式任务覆盖度缺口

产业链传导 🔄

RLVR技术需要大量算力进行奖励模型训练和多次采样，推动算力需求增长，同时垂直领域模型迭代加速

40-60%

训练算力消耗增量

3-6个月

垂直领域模型迭代周期缩短

受益赛道 📈

AI训练推理芯片、垂直大模型（编程、数学方向）直接受益，算力基础设施需求提升

30%+

算力芯片出货量增速预期

2-3家

垂直大模型公司获融资/订单

核心标的 🏢

国产AI算力芯片龙头寒武纪直接受益于RLVR带来的算力增量需求

寒

寒武纪 688256AI训练推理芯片需求增长，RLVR强化学习算力消耗增加

数据来源：行业公开数据、公司财报、券商研报，仅供参考，不构成投资建议。