# Studio: gran parte dei progressi di RLVR dipende dal formato delle risposte

> Con un estrattore neutrale, scompare l’82% del miglioramento riportato: il guadagno era dovuto al formato.

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

I ricercatori Zongye Lyu e colleghi hanno esaminato l’apprendimento per rinforzo con ricompense verificabili (RLVR). Hanno confrontato un modello di base da 7 miliardi di parametri con la sua versione addestrata con RL, usando quattro coppie di modelli rese disponibili. Con un estrattore sviluppato da loro, che cerca le risposte all’interno di un tag \boxed{}, hanno osservato che scompariva l’82% del miglioramento nei test a scelta multipla fuori dominio rilevato dagli estrattori pubblici. Il guadagno dipendeva soprattutto dal fatto che il modello inseriva la risposta nel riquadro, non dal fatto che rispondesse meglio.

## I fatti

- Con il nuovo estrattore scompare l’82% del guadagno riportato
- Studio pubblicato il 2026-10-16

## Perché conta

Lo studio mostra che i miglioramenti attribuiti all’RLVR potrebbero dipendere da come vengono analizzate le risposte, anziché riflettere un reale progresso nel ragionamento.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-16