IXThinker·2025-07-29 15:50通義千問公開強化學習算法GSPO
通義千問一週內連續開源三款模型，官方其後揭曉背後的強化學習新算法GSPO。該算法在同等算力下訓練效率勝過GRPO，準確率與性能顯著提升，引發業界對其應用前景的廣泛期待。
核心創新
GSPO的關鍵在於定義序列級別的重要性比率，並在序列層面執行裁剪、獎勵與優化。相比傳統的token級處理方式，這一設計令大模型強化學習訓練更高效、更穩定。
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。