Meta Superintelligence Labs 提出 Sharpening Tax：RL 后训练提升 pass@1 但损失测试时扩展性

Meta Superintelligence Labs 等发表论文，发现带轻量推理框架的预训练 LLM 在足够采样预算下解决智能体任务的覆盖面常超过 RL 后训练版本，如 BFCL v4 多轮、ACEBench 和 WebShop 上后训练模型赢在 pass@1，但基座模型在大 K 下常解出后训练模型从未解出的任务。研究将这一测试时扩展性损失命名为 Sharpening Tax，在 14 个基座/后训练配对、4 个模型族、3 个基准共 42 对中大多成立，随模型规模增大，可由少量 rollout 估计；提出的 PTGS 在 RL 中按提示估计难度设置采样温度，税更小且提升 pass@1。