技术博客

IBM Research近期提出了一种名为组相对策略优化（GRPO）的算法，该算法通过融合可验证奖励与适应性加权对比损失机制，显著提升了模型推理能力。在实际应用中，GRPO不仅提高了模型的成功概率，还通过迭代过程持续增强了这一概率，为人工智能领域带来了新的突破。