RLSVR用于开放式自我改进

论文提出通过任务转换为开放式LLM自我改进构造可自验证奖励。

推荐理由：论文试图绕过RLVR依赖外部可判题任务的限制，把开放任务转换为自验证奖励；若有效，可扩展模型自训练边界。