P2TPO：整页文档解析只看总分是笔糊涂账——把功过算到每个 token 头上

Qwen 团队提出 P2TPO，将整页文档解析的 RL 反馈从页面级平均分改为按参考元素逐块记账、再把功过精确落到对错 token 头上，13 个评测集全部超过 GRPO/GSPO/GDPO/RDPO 的最强基线。