AIR 科研｜LLM RL最强算法，清华AIR-字节跳动SIA-Lab联合发布
b站
（AIR）与字节跳动（ByteDance）联合实验室 SIA-Lab 开源了其最新研发的大规模 LLM 强化学习系统 —— Decoupled Clip and Dynamic sAmpling Policy Optimization（DAPO）。在纯 RL 端的比较下超越了 DeepSeed R1 模型所使用的 GRPO 算法，取得新的 SOTA 结果。 •作者：禹棋赢，张正，陈江捷，于鸿利，戴炜楠，宋宇轩，周浩，刘菁菁，马维英，张亚勤，严林，乔木，Yonghui Wu，王明轩等（...
2025/03/19
