FinHot.

FINHOT / AI 与硬科技 / 论文研究

港大NeurIPS 2026研究指出GRPO存在探索不足等双重缺陷

机器之心

机器之心11月18日报道,随着DeepSeek-R1出圈,强化学习尤其是GRPO已成为大模型后训练的标准范式之一。香港大学在NeurIPS 2026的研究指出,GRPO存在两个明显缺陷;已披露部分称其能力边界没有拓宽、探索不足,更多是在模型现有能力圈内进行探索与利用的“跷跷板”权衡,并提及大采样预算情形,但原文此处截断,未展开另一项缺陷。

信源原题:你的模型越训越「不敢想」:港大NeurIPS 2026揭露GRPO隐藏的双重枷锁

阅读来源原文 ↗

摘要供资讯阅读参考,请核对原文。 反馈与更正 →

返回相关资讯 →