MinPRO: 通过前缀比率稳定离策略 LLM 优化
热点事件持续更新
MinPRO: 通过前缀比率稳定离策略 LLM 优化
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
一项新论文提出了名为 MinPRO 的目标函数，旨在解决大语言模型（LLM）在离策略强化学习训练中的不稳定问题。该研究已被 NeurIPS 2026 会议接收。 MinPRO 的核心机制是使用“最小 token 级比率”替代了不稳定的“累积前缀比率”。这一方法通过更精细的粒度控制，直接作用于优化过程中的不稳定环节。 在实验评估方面，研究在多项数学推理基准测试上验证了该方法的有效性。结果显示，无论是在 dense 模型还是混合专家（MoE）架构上，MinPRO 都显著提升了训练稳定性，并改善了模型的性能峰值。
AI 根据报道生成 · 7 小时前更新
最新进展11月5日 13:00
MinPRO：通过前缀重要性比率稳定离策略 LLM 优化报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · AIMinPRO：通过前缀重要性比率稳定离策略 LLM 优化
论文提出 MinPRO 目标函数以稳定离策略 LLM 强化学习后的训练。 MinPRO 利用最小 token 级比率替代不稳定的累积前缀比率，在 dense 和 MoE 模型的多项数学推理 benchmark 上显著提升了训练稳定性与峰值性能，已被 NeurIPS 2026 接收。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 911月5日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:0018:0019:0020:00
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。