算法论文8

阿里高德Tree - GRPO破解智能体RL难题

机器之心2025-10-13

AI 摘要

阿里高德提出Tree - GRPO方法，以智能体步骤为节点树搜索，解决了智能体RL中Rollout成本高和监督稀疏问题。在多个数据集和模型上实验显示，它省预算且性能优，为高效训练提供新思路。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

ChatGPT核心开发者掀桌推新架构Jev

前OpenAI ChatGPT核心研究员Diogo Almeida，研发两年推出专为业务自动化设计的全新模型Jev，新架构速度比传统大模型提升最高200倍，输出免费，从底层根除类型错误与幻觉，成本远低于主流大模型，已开放早期预览申请。

本文深度拆解Google发布的Gemini 3.8 Live，分析其将语音、推理、工具调用整合进持续运行链路的架构创新，探讨Voice Agent进入Runtime阶段的核心技术挑战与未来AI Agent发展趋势。

本文报道前OpenAI研究员Diogo Almeida离职创业，推出不做文本生成、只输出结构化决策的新AI模型Jev，公开性能数据，探讨大模型应用分工新路线。

本文报道AI大模型领域最新战局，OpenAI在OpenRouter平台的开发者Token消耗付费流水，首次超越Anthropic Claude，终结了Claude两年半的统治，同时神秘GPT-6 Sol偷跑曝光，双方开启终极对决。