算法论文7
Qwen3新范式GSPO或取代DeepSeek GRPO
机器之心
AI 摘要
大语言模型训练分预训练和后训练。DeepSeek的GRPO在长序列训练中易致模型崩溃。Qwen团队提出GSPO，将重要性采样提升到序列级，实验显示其效率高、可扩展性强，或成后训练新标准。
阅读原文 · 机器之心
DeepSeek的GRPO会导致模型崩溃？看下Qwen3新范式GSPO
文章围绕大语言模型后训练阶段的强化学习算法展开。介绍了OpenAI的RLHF、DeepSeek的GRPO，重点指出Qwen团队发现GRPO有稳定性问题，会致模型崩溃，进而提出新算法GSPO，实验显示其效率和可扩展性更佳。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
产品应用8
阿里云平台完成 DeepSeek Harness 评测
本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。
阿里云开发者
新闻资讯7
TAAC×KDD大赛落幕，600万奖池有归属
TAAC × KDD Cup 2026大赛落幕，600万奖池揭晓归属。大赛吸引52国13913名选手，竞争激烈。冠军团队分别用DeepSeek网页版等工具，在赛题“统一建模”难题上各展方案，其成果或助广告外的LLM研究。
机器之心
新闻资讯7
DeepSeek涨价，马斯克订阅成性价比之王
DeepSeek官发涨价第三天，峰谷定价且整体涨幅大，实际体感比价格表夸张，Opencode go也涨价降额度。而马斯克的Supergrok heavy成全球性价比之王，买它送Cursor ultra，还附赠多项权益。
探索AGI
开源动态7
HarnessEval开启RSI时代新评测范式
过去一年AI进入RSI时代，但评测方式仍停留在过去。MirroS联合多方发布HarnessEval，将Harness引入评测领域，使评测成为具备自我进化能力的智能系统，还率先应用于交互式世界模型评测。
特工宇宙