Beyond the 80/20 Rule: High-Entropy Minority Tokens Drive EffectiveReinforcement Learning for LLM Reasoning

Ce contenu explore une nouvelle approche pour améliorer l'apprentissage par renforcement pour le raisonnement des grands modèles de langage (LLM) en se concentrant sur les « jetons minoritaires à haute entropie ». Il suggère que ces jetons moins fréquents mais très informatifs sont les principaux moteurs d'un apprentissage efficace, défiant la règle conventionnelle 80/20.