学会解决，忘记保留：RLVR 中的正确设置周转率

具有可验证奖励的强化学习（RLVR）提高了 大语言模型 的能力，但标题准确性的提升往往掩盖了一个隐藏的成本：随着训练的进行，以前解决的问题悄然变得无法解决。我们将这种现象描述为\emph{正确集转换}，表示解决方案获取和回归在掌握的集合上的耦合动态。根据这种观点，保留与收购一起成为明确的优化目标。我们通过分析和经验建立了 \emph{修复窗口原理}：恢复回归提示的成本随着审查延迟而急剧增长，定义了标准 RLVR 管道无法利用的低成本窗口。为了解决这个问题，我们提出了 \textbf{\method{}}，一种保留感知的审查机制，可以跟踪掌握的提示并定期将它们重新引入到 \textbf{remind} 先前解决方案的模型中。通过利用预执行轨迹批量替换，\method{} 会产生零额外的执行轨迹开销。使用 Qwen3-VL 和 Qwen2.5-Math 对涵盖图像文本、视频和纯文本任务的 20 个基准进行了评估，\method{} 持续提高了 GRPO、DAPO 和重放基准的性能，展示了跨模式和算法的强大通用性。