#GSPO

共 1 条 · 7 天 0 条 · 30 天 1 条

RoVR-GSPO 1 数学推理 1 策略优化 1 鲁棒性 1

信息流里打上「GSPO」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月30日

论文 Agent 与开发者09:38

RoVR-GSPO双通道鲁棒策略优化器发布

新发布的RoVR-GSPO优化器解决了奖励和序列权重敏感问题，在多个任务上超越GSPO，对异常值更鲁棒。

#RoVR-GSPO #GSPO #策略优化 #鲁棒性

arXiv cs.AI@Zhongyi Li 等 7 人原文