算法论文8

华为团队：GHPO算法革新大模型推理训练

机器之心2025-07-27

AI 摘要

华为香港研究所小艺团队等合作推出GHPO算法框架。它融合在线强化学习与模仿学习，解决现有RLVR方法局限，提升样本利用效率与训练稳定性，评测表现超GRPO，代码数据开源。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

小米6天烧2000万拿下开源第一大模型

本文报道小米开启史无前例的大模型训练直播，6天花费约2344万元完成MiMo-V2.6系列强化学习训练，训练出的MiMo-V2.6-Pro登顶开源大模型第一，全套技术资源全部开源，引发AI行业热议。

本文是腾讯混元团队针对大模型强化学习规模化训练的研究，聚焦万卡级算力下Batch Size优化问题，拆分样本效率与系统效率的影响，给出可落地的调优框架，实测可缩短29%训练时间。

针对原生视觉推理缺少完整训练评估基础设施的现状，NTU等多校联合推出VBVR-Pro系统，构建了从任务构建、模型训练、能力评测到强化学习优化的完整闭环，论文、数据、代码均已公开。

本文介绍美国东北大学博士生黄浩杰提出的全新机器人操作学习范式Action Map Policy（AMP），将高维三维机器人动作转化为二维图像空间的像素分类问题，性能和推理速度均显著优于现有主流基线方法。