TAG:SAPO
阿里通义发布SAPO强化学习法，提升大语言模型性能
阿里通义Qwen团队推出新型强化学习方法SAPO，通过平滑温度控制门控函数替代传统硬剪切，有效解决大语言模型在强化学习中的策略优化不稳定问题。该方法具备连续信任域、序列级一致性和token级自适应性等优势，在数学推理、代码生成等任务上表现显著优于GRPO和GSPO，为AI研究提供了新方向。
13 
0 
特斯拉股价逆势上扬 SpaceX上市前马斯克整合战略曝光
2026-01-31
0 浏览
谷歌开放世界模型精灵 AI开启凭空造世时代
2026-01-31
0 浏览
北京首个人形机器人中试验证平台启动 打通量产最后一公里
2026-01-31
0 浏览
AI迈入智能体时代，CPU如何成为算力核心
2026-01-31
0 浏览
中科院院士韩布兴：AI赋能化工 变废为宝
2026-01-31
0 浏览
武强院士：AI破解我国能源三大核心难题
2026-01-31
0 浏览
钟发平：AI+零碳园区破解源网荷储碎片化难题
2026-01-31
0 浏览
法国基金逆市抄底微软 豪赌AI翻盘
2026-01-31
0 浏览
印度牙医博士研发首款人形机器人 九个月后全球发售
2026-01-31
0 浏览
AI赋能能源产业大会在京召开
2026-01-31
0 浏览
