⌘ K
… 读取采集状态 同步中...
雷
原文
Qwen Blog·· 2025-07-27AI 评分57

GSPO:面向大模型语言可规模化的强化学习算法

GSPO: Towards Scalable Reinforcement Learning for Language Models

AI 导读

Qwen 团队提出 GSPO 强化学习算法,通过序列级优化解决 GRPO 在长时训练中的不稳定性及 MoE 模型收敛问题。在 Qwen3-30B-A3B-Base 上的实验显示,GSPO 在相同计算成本下效率更高,且无需 Routing Replay 策略即可实现稳定收敛,已用于最新 Qwen3 模型的规模化 RL 训练。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:Qwen Blog · qwenlm.github.io