论文提出GPPO框架统一LLM强化学习算法
热点事件持续更新
论文提出GPPO框架统一LLM强化学习算法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Zhicheng Cai 等作者在arXiv提交论文，提出广义近端策略优化（GPPO），从广义f散度视角将大语言模型强化学习算法统一为“散度×估计器”的二维设计空间，并建立带单调性能改进保证的信任域理论，提出新的估计器结构。论文称PPO、DAPO、DPPO和RIPO可视为该框架下的特例。 基于论文摘要，作者报告了八个竞赛级数学和代码基准上的实验，称两个维度均关键，其中最佳GPPO配置相对标准GRPO在数学和代码任务上最高分别提升50%和14%；具体实验细节未提供，本摘要未核验论文全文。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
Generalized Proximal Policy Optimization：从散度视角统一大语言模型强化学习算法报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AI精选Generalized Proximal Policy Optimization：从散度视角统一大语言模型强化学习算法
作者提出广义近端策略优化（GPPO），从广义f散度视角统一大语言模型强化学习算法，并将其表述为“散度×估计器”的二维设计空间。作者建立了带单调性能改进保证的信任域理论，提出新的估计器结构，并将PPO、DAPO、DPPO和RIPO视为该框架下的特例。基于论文摘要，实验覆盖八个竞赛级数学和代码基准，其中最佳GPPO配置相对标准GRPO在数学和代码任务上最高分别提升50%和14%；具体实验细节未提供。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。