RLVR (Reinforcement Learning with Verifiable Rewards)

Metodo di addestramento che premia un sistema quando produce risultati la cui correttezza può essere controllata automaticamente con criteri espliciti.

Un verificatore assegna una ricompensa alle risposte che soddisfano una condizione controllabile, come il risultato esatto di un calcolo o il superamento di test sul codice. Il modello viene aggiornato per aumentare la probabilità di produrre risposte premiate. La qualità del processo dipende dai controlli scelti e dalla copertura dei casi possibili. Un verificatore incompleto può premiare soluzioni che rispettano il test ma trascurano altri requisiti.