阿里通义实验室智能计算团队推出新算法FIPO
快讯摘要
阿里通义实验室智能计算团队宣布推出新算法FIPO(Future-KL Influenced Policy Optimization),引入Future-KL机制,奖励关键Token,解决纯强化学习(Pure RL)训练中“推理长度停滞”难题。据该团队介绍,在32B规模的纯RL设定下,率先实现对o1-mini与同规模De...
快讯信息
- 快讯类型
- 突发事件
- 信息来源
- 华尔街见闻
- 当前状态
- 持续更新
- 更新时间
- 2026-07-10 08:30
来源归属
编辑说明
本文根据公开快讯或相关渠道信息整理,具体进展以官方后续发布或公开信息更新为准。

