标签
本文介绍了一种先竞争后协作的框架，多个前沿AI教师（Claude、Codex-GPT、Grok、Gemini）通过执行测试排名，然后协作构建可验证课程。研究发现，对教师解决方案进行模仿（SFT）会降低有能力的编程学生的表现，而使用相同课程进行带可验证奖励的强化学习（RLVR）则能提升表现，尤其是在竞赛问题上。