GPPO：从散度视角统一LLM强化学习算法
热点事件持续更新
GPPO：从散度视角统一LLM强化学习算法
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
研究者提出 Generalized Proximal Policy Optimization（GPPO），从 f-散度视角统一理解和设计 LLM 强化学习算法。作者称，PPO 及 DAPO、DPPO、RIPO 等变体均为其特例。 在八项竞赛级数学与编程基准上，作者报告最佳 GPPO 实例在数学和编程任务上分别超越标准 GRPO 达 50% 和 14%，达到 SOTA 性能。该结果为论文自报数据。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
GPPO：从散度视角统一 LLM 强化学习算法，性能超越 GRPO 达 50%报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.LGGPPO：从散度视角统一 LLM 强化学习算法，性能超越 GRPO 达 50%
研究者提出 Generalized Proximal Policy Optimization（GPPO），从 f-散度视角统一理解和设计 LLM 强化学习算法，PPO 及 DAPO、DPPO、RIPO 等变体均为其特例。在八项竞赛级数学与编程基准上，最佳 GPPO 实例在数学和编程任务上分别超越标准 GRPO 达 50% 和 14%，达到 SOTA 性能。
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。