实体 ABC-GRPO

ABC-GRPO

PulseAugur coverage of ABC-GRPO — every cluster mentioning ABC-GRPO across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_187337 · Aug 7 · 04:00

新的ABC-GRPO算法增强了LLM训练的稳定性和性能

研究人员推出了一种名为全象限有界裁剪GRPO（ABC-GRPO）的新型算法，旨在提高大型语言模型（LLM）强化学习的稳定性和泛化能力。ABC-GRPO通过在似然比和优势空间的全部四个象限上应用无条件裁剪，解决了现有组相对策略优化（GRPO）方法中存在的无界盲点。这种新方法在使用Qwen3基础模型进行的数学推理任务上表现出卓越的性能，与GRPO、SAPO和双裁剪PPO相比，在Avg@64和Pass@64上取得了更高的分数，同时还保持了更…