arXiv cs.AI· Zhicheng Cai, Xinyuan Guo, Hanlin Wu, Weinan Dai, Yuyan Zhou, Wei-Ying Ma, Ya-Qin Zhang, Hao Zhou·· 6 小时前AI 评分27
GPPO：从散度视角统一 LLM 强化学习算法，性能超 GRPO 达 50%
Generalized Proximal Policy Optimization: Unifying LLM RL Algorithms from the Perspective of Divergence
AI 导读
研究者提出 Generalized Proximal Policy Optimization（GPPO），从散度视角统一理解与设计 LLM 强化学习算法，PPO、DAPO、DPPO、RIPO 均为其特例。
来源：arXiv cs.AI · arxiv.org