概念
广义相对策略优化，一种强化学习训练方法。
最近变化
2026-05-28 · Polar 框架让 Codex 在 SWE-Bench Verified 测试中的 pass@1 分数提升了 594.74%。
GRPO 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
已收录 4 篇与「GRPO」相关的 AI 资讯和分析。
The open-sourced version of LongCat-Video-Avatar 1.5 significantly improves lip-sync accuracy, physical realism, and long-video stability for commercial-grade digital human video generation.
入选理由：采用 Whisper-large 编码器，提升唇形同步与动作稳定性。
DeepSeek builds a low-cost, high-efficiency model system through multiple foundational innovations to drive China's $10 trillion AI hardware ecosystem and achieve its own $1 trillion valuation.
入选理由：DeepSeek V4 Pro在100万上下文中仅需5.48GB HBM显存，远低于竞品的60-89GB。
英伟达推出开源框架 Polar，显著提升 Codex 等智能体的性能和效率。
入选理由：Polar 框架让 Codex 在 SWE-Bench Verified 测试中的 pass@1 分数提升了 594.74%。
SFT may introduce distribution bias during the training of multimodal large models, leading to performance degradation in the RL phase. PRISM addresses this issue through a three-stage pipeline.
入选理由：SFT可能导致模型性能下降，如Qwen3-VL-8B SFT后准确率下降5.2%
与「GRPO」经常一起出现的 AI 术语。
💡 想追踪「GRPO」的长期趋势？去 实体雷达 · GRPO 查看详细分析和跨材料问答。
