GAPO: Tối ưu hóa chính sách với cơ chế cắt tỉa thích ứng theo nhóm

Tóm tắt AI

GAPO cải tiến phương pháp GRPO bằng cách điều chỉnh ngưỡng cắt tỉa dựa trên lợi thế của từng nhóm, giúp tối ưu hóa tín hiệu học tập từ các mẫu dữ liệu khó và nâng cao hiệu quả huấn luyện mô hình RL.