# L’étude attribue à la mise en forme l’essentiel des progrès de RLVR hors domaine

> Avec un extracteur neutre, 82 % du gain annoncé disparaît, ce qui révèle un effet de mise en forme.

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

Zongye Lyu et ses collègues ont étudié l’apprentissage par renforcement avec des récompenses vérifiables (RLVR). Ils ont comparé un modèle de base de 7 milliards de paramètres à sa version entraînée par RLVR, à partir de quatre paires de modèles rendues publiques. À l’aide de leur propre extracteur, qui repère les réponses entre les balises \boxed{}, ils ont constaté que 82 % des progrès hors domaine aux questions à choix multiples annoncés par les extracteurs publics disparaissaient. Le gain tenait surtout au fait que le modèle plaçait sa réponse dans la case, et non au fait qu’il répondait mieux.

## Les faits

- 82 % du gain annoncé disparaît avec le nouvel extracteur
- L’étude a été publiée le 2026-10-16

## Pourquoi c'est important

Cette étude montre que les gains de performance attribués au RLVR peuvent être de simples artefacts de la méthode utilisée pour analyser les réponses, et non de véritables progrès du raisonnement.

## Sources et références

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

Dernière mise à jour: 2026-10-16