大型语言模型在数学推理上取得显著进步，但其能力是否能迁移到其他领域成为研究焦点。报告评估了20余个模型在数学、科学、编程等任务上的表现，发现多数模型迁移能力有限。实验表明，强化学习调优的模型比监督微调调优的模型具有更好的泛化能力，因为后者会导致表示偏移和输出漂移。研究质疑当前基于SFT的推理模型发展路径，强调重新思考标准后训练流程。

🔍 研究评估了20余个开源推理调优模型，在数学、科学问答、智能体规划、编程等任务上的迁移能力，发现多数模型迁移效果不佳。

🤖 通过对比强化学习（RL）与监督微调（SFT）调优方法，发现RL调优模型在多领域泛化能力显著优于SFT调优模型。

📊 分析显示SFT导致潜在空间表示偏移和令牌分布漂移，破坏通用能力；而RL能保持通用领域结构稳定性。

🧩 研究对当前依赖SFT推动推理模型发展的做法提出质疑，建议重新审视标准后训练流程以提升模型泛化性。

⚠️ 数学排行榜的持续提升可能源于狭窄过拟合，而非广泛解决问题能力的真实进步，需警惕指标误导。