# Onderzoek: meeste RLVR-winst buiten trainingsdomein komt door antwoordopmaak

> Met een neutrale antwoordparser verdwijnt 82% van de gerapporteerde winst: die blijkt door de opmaak te komen.

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

Onderzoekers Zongye Lyu en collega’s bestudeerden reinforcement learning met verifieerbare beloningen (RLVR). Ze vergeleken een basismodel met 7 miljard parameters met de versie die met RL was getraind, aan de hand van vier vrijgegeven modelparen. Met hun eigen parser, die antwoorden zoekt binnen een \boxed{}-tag, zagen ze dat 82% van de door openbare parsers gerapporteerde verbetering op meerkeuzevragen buiten het trainingsdomein verdween. De winst kwam er grotendeels op neer dat het model zijn antwoord in het kader zette, niet dat het betere antwoorden gaf.

## De feiten

- 82% van de gerapporteerde winst verdwijnt bij gebruik van de nieuwe parser
- Het onderzoek is gepubliceerd op 2026-10-16

## Waarom het ertoe doet

Dit laat zien dat beweerde prestatieverbeteringen door RLVR kunnen voortkomen uit de manier waarop antwoorden worden uitgelezen, en niet uit echte vooruitgang in redeneervermogen.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-16