热点事件持续更新

GMC-GRPO：异步 LLM 后训练收敛保证

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

2026年10月3日，arXiv cs.LG 刊出一篇研究，提出 GMC-GRPO 方法，用于异步 LLM 后训练。该方法通过组质量封顶最小化加权估计器中的比率偏差，为异步 GRPO 类算法建立收敛保证。报道称，相比 TIC-GRPO，GMC-GRPO 将四阶延迟项的阈值依赖从 O(ε⁻⁴) 改善至 O(ε⁻²)；调优步长后，延迟相关项随组大小 G 以 G⁻²/⁵ 衰减。在 Qwen3 模型与推理基准上，GMC-GRPO 在大延迟下取得稳定基线中的最佳表现。目前该工作仍为 arXiv 预印本，尚无后续独立验证或应用报道。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月3日

12:00
arXiv：cs.LG（机器学习，全量分类）
异步 LLM 后训练：组质量封顶与收敛分析
研究提出 GMC-GRPO 方法，通过组质量封顶最小化加权估计器中的比率偏差，为异步 GRPO 类算法建立收敛保证。相比 TIC-GRPO，该方法将四阶延迟项的阈值依赖从 O(ε⁻⁴) 改善至 O(ε⁻²)，调优步长后延迟相关项随组大小 G 以 G⁻²/⁵ 衰减。在 Qwen3 模型与推理基准上，GMC-GRPO 在大延迟下取得稳定基线中的最佳表现。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。