Cog-DRIFT：通过任务重构教LLM从它们还无法解决的问题中学习

RLVR的一个根本限制是模型无法从无法解决的问题中学习——未解决的问题不产生有意义的奖励信号。Cog-DRIFT通过将难题重构为更简单的变体来解决这一问题。

核心洞察

如果问题太难，不要跳过——转换它。方法将具有挑战性的开放式问题转化为认知上更简单的格式：

Cog-DRIFT工作原理

1. 重构 — 将难题转化为保留原始答案的更简单变体
2. 按难度组织 — 创建从易到难的自适应课程
3. 引导学习 — 先在结构化、更容易的格式上训练
4. 转移回去 — 知识转移回原始开放式问题

为什么重要

当前RLVR方法如o1式推理达到了天花板：模型只能从当前能力范围内的问题中学习。Cog-DRIFT通过创建"脚手架"方法突破了这一点。