标题：Qwen&清华团队发现：大模型强化学习仅用20%高熵token效果更优 近期，Qwen&清华LeapLab团队在arXiv发布了一项突破性研究成果。他们在强化学习训练大模型推理能力时发现，仅使用20%的高熵token即可实现最佳效果，甚至优于使用全部token的训练方式。这...