让 LLM 在 RL 中永不放弃：NGU 自适应采样方法解决难题

研究提出 Never Give Up（NGU）自适应采样方法，通过异步 RL 持续为同一问题生成样本直到答对，将算力从简单题重新分配到难题。作者指出 RL 对 LLM 的提升存在"马太效应"：简单题提升大、难题提升小。在数学基准 Deepscaler 上 NGU 提升了单位算力性能，在编程任务 Manufactoria 上标准 GRPO 无法完全解题，NGU 则迭代攻克越来越难的测试直至完全解决。