阿里通义实验室智能计算团队推出新算法FIPO
阿里通义实验室智能计算团队宣布推出新算法FIPO(Future-KL Influenced Policy Optimization),引入Future-KL机制,奖励关键Token,解决纯强化学习(Pure RL)训练中“推理长度停滞”难题。据该团队介绍,在32B规模的纯RL设定下,率先实现对o1-mini与同规模DeepSeek-Zero-MATH的性能反超。
(来源:格隆汇的财富号)
免责声明:上述内容仅代表发帖人个人观点,不构成本平台的任何投资建议。
2
举报
登录后可参与评论

暂无评论

