热点事件持续更新
研究人员提出大模型强化学习统一框架GPPO
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月12日，研究人员提出广义近端策略优化（GPPO），从散度视角构建起统一的大语言模型强化学习框架。该框架将 PPO、DAPO、DPPO 与 RIPO 等算法纳为特例。同时，GPPO 建立了具有单调性能提升保证的广义 f-散度置信区间理论，并引入新型估计器拓扑以提供更准确的散度估计。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
研究团队提出GPPO框架，从散度视角统一PPO等大模型强化学习算法。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 机器学习广义近端策略优化（GPPO）：从散度视角统一大语言模型强化学习算法
研究人员提出广义近端策略优化（GPPO），从散度视角构建起统一的大语言模型强化学习框架，并将 PPO、DAPO、DPPO 与 RIPO 纳为特例。该框架建立了具有单调性能提升保证的广义 $f$-散度置信区间理论，并引入新型估计器拓扑以提供更准确的散度估计。
本事件热度走势
当前热度 9·可比范围峰值 10（10月12日 13:00）·近 24 小时可比范围变化 –
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。