IXThinker·2025-03-21 19:30字節開源DAPO算法 01年實習生領銜
字節跳動與清華AIR聯合實驗室開源強化學習算法DAPO，令Qwen2.5-32B僅憑RL訓練即在AIME 2024取得50分，勝過同設置下使用GRPO的對照模型，訓練步數更少一半，項目由01年生的實習生領銜。
算法性能超GRPO
DAPO不借助知識蒸餾等額外技術，純以強化學習訓練Qwen2.5-32B，在AIME 2024基準拿下50分，優於相同設置下採用DeepSeek GRPO算法的R1-Zero-Qwen表現。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。