大模型不再仅依赖预测下一个词，通过RLVR强化学习，它能自主探索解题路径，从模仿者转变为探索者。预训练如同背诵课文，而RLVR则类似自我解题，借助可验证奖励驱动创新，使模型能够生成超出训练数据的新知识，实现超越简单预测的能力。