论文分享：从RLVR到RLSVR，任务转换生成自验证奖励，用于LLM自我改进。

从RLVR到RLSVR

任务转换诱导开放式LLM自我改进的可自我验证奖励

论文: https://t.co/0Qs1tYkY9K https://t.co/VLmZr9r2SN