4月8日，阿里通义实验室智能计算团队发布新算法FIPO（未来KL影响策略优化）。该算法通过“Future-KL”机制，重点奖励对推理结果起关键作用的Token，有效突破了纯强化学习训练中推理长度难以提升的瓶颈。在32B模型规模下，该算法首次让模型在性能上超过o1-mini和同规模的DeepSeek-Zero-MATH。
【版权提示】信息来自于互联网，不代表外贸内参立场，内容仅供网友参考学习。如发现本站内容存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至[email protected]，我们将及时沟通与处理。如若转载请联系原出处。
阿里通义实验室推出新型智能计算算法fipo