作者援引R1-Zero，认为更长推理可显著提高数学成绩，但未证明所有配置都单调增益。
推荐理由：R1-Zero确实表明强化学习诱导的长推理能提升AIME，但这不能直接证明产品中max档必胜high档，二者机制未必等价。
阅读原文