task-transformation

本文提出RLSVR，一种任务变换范式，通过创建自可验证的代理环境，将基于可验证奖励的强化学习扩展到开放式LLM任务，并通过SpyRL多智能体自博弈框架实例化，在摘要生成、创意写作和数学推理上展示了性能提升。