**ACL杰出论文揭示：大模型RL训练为何会「越训越窄」**

_大模型RL训练为何会「越训越窄」？ACL Outstanding Paper从token-level熵变揭示RLVR训练机制_

> 基于可验证奖励的强化学习（RLVR）是大模型后训练关键技术，但常出现策略分布收窄现象。该研究通过Token级熵变分析，深入揭示了RLVR的训练机制及导致分布收敛的原因。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：论文
- **发布时间**：2026-07-15 11:16（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-07-15-6)