热点事件持续更新
研究团队提出异步RL优化方法Li²SAO
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11月2日，研究人员在arXiv发布研究，提出轻量级单轨迹异步强化学习优化方法Li²SAO。该方法旨在解决在缺乏预训练价值模型时，单轨迹异步优化在训练早期落后于GRPO的问题。Li²SAO在critic冷启动阶段利用组相对优势训练actor，并以组中心化回报训练critic，随后切换至单轨迹广义优势估计（GAE）。实验结果显示，Li²SAO在训练早期能够赶上或超越GRPO，并进一步提升了后期的性能上限。目前该方法的相关代码已正式开源。
AI 根据报道生成 · 4 小时前更新
最新进展11月2日 13:00
研究团队提出异步RL优化方法Li²SAO并开源代码。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv 自然语言处理Li²SAO：通过组相对 Actor-Critic 自举提升轻量级单轨迹异步强化学习优化
研究人员提出轻量级异步强化学习优化方法 Li²SAO，解决缺乏预训练价值模型时单轨迹异步优化在早期落后于 GRPO 的问题。该方法在 critic 冷启动阶段利用组相对优势训练 actor 并以组中心化回报训练 critic，随后切换至单轨迹 GAE。实验显示 Li²SAO 在训练早期赶上或超越 GRPO 并进一步提升后期性能上限，相关代码已开源。
本事件热度走势
当前热度 9·可比范围峰值 10（11月2日 14:00）·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。