본 논문은 검증 가능한 보상을 사용한 강화 학습(RLVR)을 예측과 같은 복잡한 실제 세계 영역으로 확장하는 연구에 대해 다룹니다. 기존의 강화 학습 방식은 예측 분야의 이진, 지연, 잡음이 많은 보상으로 인해 취약하지만, 본 연구는 Group-Relative Policy Optimisation (GRPO)와 ReMax 알고리즘을 예측 설정에 적용하여 이러한 문제를 해결합니다. 14B 모델에 대한 결과 기반 온라인 강화 학습을 통해 최첨단 정확도를 달성하고, 보정 및 가상 예측 시장 베팅에서 더 나은 성능을 보였습니다. 특히 GRPO의 질문별 분산 스케일링 제거, ReMax의 기준선 차감 이점 적용, 100,000개의 일관된 합성 질문을 통한 학습 강화, 그리고 횡설수설, 비영어 응답 및 근거 누락에 대한 페널티 부과 등의 개선을 통해 110,000개의 이벤트에 대한 안정적인 단일 패스 학습을 가능하게 했습니다. 7개 예측의 앙상블을 사용한 ReMax를 110,000개의 질문으로 확장하여, 정확도(Brier = 0.193, p = 0.23)는 최첨단 기준선과 유사한 수준을 달성했고, 보정(ECE = 0.042, p < 0.001)에서는 더 나은 성능을 보였습니다. 간단한 거래 규칙을 적용하여 이러한 보정 우위를 통해 가상 이익을 얻었으며, 이는 개선된 RLVR 방법이 소규모 LLM을 잠재적으로 경제적 가치가 있는 예측 도구로 전환할 수 있음을 보여줍니다.
