TAG:SAPO
阿里通义发布SAPO强化学习法，提升大语言模型性能
阿里通义Qwen团队推出新型强化学习方法SAPO，通过平滑温度控制门控函数替代传统硬剪切，有效解决大语言模型在强化学习中的策略优化不稳定问题。该方法具备连续信任域、序列级一致性和token级自适应性等优势，在数学推理、代码生成等任务上表现显著优于GRPO和GSPO，为AI研究提供了新方向。
25 
0 
美股三大指数震荡整理，芯片股走高，光通信板块大涨
2026-05-11
0 浏览
多空胶着恒指震荡整理，AI景气外溢主导行情波动
2026-05-11
0 浏览
宠物AI公司PurrPurr获阿尔法公社投资 首年GMV目标5000万
2026-05-11
0 浏览
隆源股份业绩说明会回应今年新能源汽车零部件领域新客户洽谈中
2026-05-11
0 浏览
中国品牌市占率达75%，4月我国汽车销量约252.6万辆，新能源汽车出口贡献度近五成
2026-05-11
0 浏览
4月汽车出口增长51% 国内零售下跌超20%
2026-05-11
0 浏览
4月全国新能源汽车渗透率历史首次突破60%，燃油车零售同比暴跌37%
2026-05-11
0 浏览
港股复盘：强势翻红 芯片概念股冲高回落 短期风险需警惕
2026-05-11
0 浏览
申昊科技拟设具身智能子公司 加码人形机器人业务
2026-05-11
0 浏览
