# Studie: RLVR-Erfolge außerhalb des Trainings beruhen oft auf Formatierung

> Mit einem neutralen Parser verschwinden 82 % des gemeldeten Leistungszuwachses – ein Hinweis auf einen reinen Formatierungseffekt.

Oossa · 2026-10-16 · https://oossa.com/de/study-finds-most-rlvr-out-of-domain-gains-come-from-answer-formatting

Zongye Lyu und seine Kollegen untersuchten Reinforcement Learning mit verifizierbaren Belohnungen (RLVR). Sie verglichen ein Basismodell mit 7 Milliarden Parametern mit der RL-trainierten Version anhand von vier veröffentlichten Modellpaaren. Mit einem eigenen Parser, der Antworten innerhalb eines \boxed{}-Tags ausliest, stellten sie fest, dass 82 % der von öffentlichen Parsern gemeldeten Verbesserung bei Multiple-Choice-Aufgaben außerhalb des Trainingsbereichs verschwanden. Der Zugewinn beruhte größtenteils darauf, dass das Modell seine Antwort nun in das Kästchen setzte – nicht darauf, dass es bessere Antworten gab.

## Die Fakten

- Mit dem neuen Parser verschwinden 82 % des gemeldeten Zugewinns
- Die Studie wurde am 2026-10-16 veröffentlicht

## Warum es wichtig ist

Die Studie zeigt, dass vermeintliche Leistungssteigerungen durch RLVR auf der Art der Antwortauswertung beruhen können und nicht auf tatsächlichen Fortschritten beim Schlussfolgern.

## Quellen und Referenzen

1. [Same Answer, New Box: How Much of RLVR's Out-of-Domain Gain Is Answer Format?](https://arxiv.org/abs/2610.20639) – arXiv cs.LG, 2026-10-16

Zuletzt aktualisiert: 2026-10-16