阿里通义实验室智能计算团队推出新算法FIPO

4月7日，阿里通义实验室智能计算团队正式发布全新算法FIPO（Future-KL Influenced Policy Optimization），该算法通过引入Future-KL机制并奖励关键标记（Token），成功解决了纯强化学习（Pure RL）训练中长期存在的”推理长度停滞”难题。据团队介绍，在320亿参数规模的纯强化学习框架下，该算法首次在性能上超越了o1-mini及同规模模型DeepSeek-Zero-MATH。（广角观察）

©版权声明：如无特殊说明，本站所有内容均为Amassai.net 原创发布和所有。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。否则，我站将依法保留追究相关法律责任的权利。