技术博客

近日，阿里巴巴旗下高德地图团队开源了一种名为GPG的新型强化学习训练框架。该框架通过重构训练过程，摒弃传统替代损失函数，直接优化原始目标函数，有效解决了PPO和GRPO等方法中的关键挑战，为强化学习领域带来了突破性进展。