给学生加练习，最省时间的办法未必是按难度平均发题，而是先找出哪些题经过辅导最可能进步。LLM（大语言模型）的强化学习也有类似问题：有限算力该投给哪些训练题？这项研究指出，模型当前会不会做——即“可解性”——并不能回答它继续练习后能否提升。
作者用 Qwen3-1.7B 在 2,048 道数学推理题上训练 20 轮，发现初始通过率相近的题，后续表现可能截然不同：有些奖励持续上升，有些停滞，甚至退步。研究据此提出“可学习性”，即一道题在固定训练条件下对继续优化的正向反应。256 道重复出现在不同训练组合中的题，其可学习分组一致性达到 0.879，说明这个信号并非完全由一次训练的随机性造成。
实际使用时，TrajVal 先做一次较短的探测训练，并比较起点与终点评估，据此给每道题设置静态先验——主训练开始后固定使用的抽题偏好。作者称，它比均匀抽题更节省数据，并能叠加到动态调度方法上。不过，可学习性仍取决于模型、奖励方式和训练预算，并不是题目永恒不变的属性。