清华、快手提出AttnRL:让大模型用「注意力」探索 (opens in a new tab)从 AlphaGo 战胜人类棋手,到 GPT 系列展现出惊人的推理与语言能力,强化学习(Reinforcement Learning, RL)一直是让机器「学会思考」的关键驱动力。