上海AI Lab提出的新范式OREAL通过强化学习成功超越DeepSeek-R1，解决了数学推理中的稀疏奖励和局部正确问题。研究显示，正负样本的奖励重塑和关键步骤的重点学习显著提升了模型性能，7B和32B模型在MATH-500上分别达到了91.0和95.0的准确率，开创了新的研究高度。