破案实锤！Qwen用假信号也能拿高分？虚假的RLVR如何激活隐藏记忆回路？

本文探讨了在虚假奖励信号下，大语言模型（如Qwen2.5）通过RLVR训练后准确率仍能提升的现象。研究发现，这种提升并非源于推理能力的增强，而是模型激活了内部记忆捷径，高效检索训练数据中的污染知识。研究揭示了“困惑度悖论”这一关键宏观信号，并定位了驱动记忆检索的微观机制，即第18-20层的“锚点层”与后续“结构适配层”构成的协同电路。实验表明，可通过干预特定神经元来操控模型对污染知识的依赖。该工作为评估RLVR效果、检测数据污染及开发去污染技术提供了新视角。