Training-Free GRPO

X上63万人围观的Traning-Free GRPO：把GRPO搬进上下文空间学习

年初的 DeepSeek-R1，带来了大模型强化学习（RL）的火爆。无论是数学推理、工具调用，还是多智能体协作，GRPO（Group Relative Policy Optimization）都成了最常见的 RL 算法。 GRPO 的核心思路很简单却强大：对同一个问题，同时生成多条解答路径（rollout）给这些路径打分，比较组内优劣再根据优势信号来更新模型参数，让模型越来越偏好高质量解法这种「多路径并行组内优势」的机制，虽然比传统 PPO 等方法更加简洁，但仍然需要优化模型参数，💰 太贵了！

10/22/2025 5:02:00 PM

机器之心

资讯热榜

早鸟票倒计时3天｜第四届全国大模型智能生成大会（LMG 2025）美国女子使用ChatGPT生成号码购彩中奖10万美元：概率事件而非AI预测能力全新开源的DeepSeek-OCR，可能是最近最惊喜的模型！ OpenAI 紧急暂停 Sora生成马丁・路德・金形象，AI 视频生成引发热议！ AI 模型“炒股”比拼!DeepSeek 收益超14%，Gemini2.5Pro 惨亏四成 LLM的“记忆”与“推理”该分家了吗？一种全新的训练范式，彻底厘清思考流程 AI智能体的未来要等十年？Karpathy直言目前的技术还很 “菜”！视觉中国与多家AI公司合作开发可商用视觉大模型：已获阿里、微软等订单

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek 谷歌 AI绘画机器人数据大模型 Midjourney 开源 Meta 智能微软用户 AI新词 GPT 学习技术智能体马斯克 Gemini 图像 Anthropic 英伟达 AI创作训练 LLM 论文代码算法芯片腾讯 AI for Science Stable Diffusion 苹果 Agent Claude 蛋白质开发者生成式神经网络 xAI 机器学习 3D 人形机器人研究 AI视频生成大语言模型百度 RAG Sora 具身智能工具 GPU 华为计算字节跳动 AI设计搜索大型语言模型 AGI 视频生成场景深度学习 DeepMind 架构视觉预测 Transformer 编程生成式AI 伟达 AI模型特斯拉 Copilot