技术博客

字节跳动与清华大学人工智能研究院（AIR）联合开源了名为DAPO的新算法，该算法旨在超越DeepSeek提出的GRPO算法。GRPO算法虽提高了大型语言模型（LLM）在强化学习中的效率，但其论文中缺失关键细节，限制了大规模和工业级应用的复现能力。DAPO算法作为新一代强化学习技术，为研究者提供了更全面的解决方案，推动了开源社区的发展。

近日，清华大学人工智能研究院（AIR）与字节跳动联合实验室（SIA Lab）共同发布了一项突破性研究成果——DAPO算法。作为一种关键的强化学习算法，DAPO在性能上显著超越了现有的DeepSeek GRPO算法。该算法由双方联合开发，并已正式对外开源，旨在推动学术界与工业界在强化学习领域的进一步研究与应用。这一成果为人工智能技术的发展提供了新的可能性，展现了强化学习领域的最新进展。