算法论文8

Qwen3新算法GSPO解决GRPO训练难题

深度学习自然语言处理2025-07-28

AI 摘要

论文认为GRPO重要性权重设计错误致训练不稳定，提出GSPO算法，从序列维度算梯度。实验显示，在Qwen3上GSPO训练效率更高，在MoE模型训练中也比GRPO更稳定高效。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

自然意志发布Natura-1具身智能模型

本文报道北京具身智能公司自然意志发布全新Natura-1模型，该50B参数MoE模型基于百万小时人类第一视角经验预训练，可驱动20自由度灵巧手实现零样本泛化，完成各类复杂日常操作，攻克了机器人灵巧与通用难以兼得的难题。

自然意志是专注物理世界通用智能的研究公司，本文正式发布其首个面向物理世界的通用基础模型Natura-1，介绍了模型技术方案、评测结果与发展路线。

本文报道江波龙携手高通，在2026骁龙峰会上基于第六代骁龙8超级至尊版移动平台，跑通端侧30B-MoE大模型本地推理，探讨存储行业转型AI技术周期的产业逻辑。

本文是InfoQ编译的科技播客访谈，Reflection AI由前Google DeepMind Gemini团队成员创立，近期发布了5010亿参数的开放大模型Beam，主打编程、推理和智能体任务，发布一周后传出英伟达拟收购该公司的消息，访谈中分享了对开放模型诸多问题的观点。