GVPO方法获NeurIPS 2025接收
热点事件持续更新
GVPO方法获NeurIPS 2025接收
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
GVPO（群组方差策略优化）提出了一种大语言模型后训练方法，旨在解决GRPO等现有方法存在的训练不稳定问题。该方法将KL约束奖励最大化的解析解整合进梯度权重中，并支持灵活的采样分布。 该研究已被NeurIPS 2025会议正式接收。此外，其扩展版本GVPO++（全称GVPO++: Group Variance Policy Optimization for LLM Post-Training and On-Policy Distillation）目前也已公开，进一步拓展了该方法在LLM后训练与在线策略蒸馏中的应用。
AI 根据报道生成 · 5 小时前更新
最新进展10月19日 12:00
GVPO: 用于大语言模型后训练的群组方差策略优化报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · MLGVPO: 用于大语言模型后训练的群组方差策略优化
GVPO 提出了一种大语言模型后训练方法，通过整合 KL 约束奖励最大化的解析解到梯度权重中，解决了 GRPO 等现有方法的训练不稳定问题。 该方法保证拥有唯一的 KL 约束最优解，支持灵活的采样分布，避免了对策略和重要性采样的限制。 该研究已被 NeurIPS 2025 会议接收，扩展版本 GVPO++ 已公开。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。