研究表明，强化学习显著提升大型语言模型（LLM）在复杂编程和推理任务中的表现。OpenAI的o3模型在2024年国际信息学奥林匹克竞赛中超越了专门设计的o1-ioi系统，显示出通用模型在推理能力上的优势。这表明扩大通用强化学习规模是实现先进AI的有效途径。