论文09:56强化学习提升大语言模型选择性采纳污染检索证据Qwen3.5用强化学习学会在污染检索中挑有用证据，成功率从22%提到26%，还不掉通用分。#SelectBench#DAPO#Qwen3.5#RAG1 个信源在谈事件专题aarXiv: DeepSeek@Yanyu Chen 等 5 人2 个信源在谈原文稍后读已读值得跟进有用关注 SelectBench