11月20日，蚂蚁开源官微发文，蚂蚁集团宣布开源万亿参数强化学习高性能权重交换框架Awex。 据介绍，Awex 是为极致性能打造的训练推理引擎权重同步框架，解决强化学习（Reinforcement Learning，简称 RL）流程中训练权重参数同步到推理模型的核心难题，可在秒级 ...

据通义千问Qwen，为了能够持续拓展强化学习 （Reinforcement Learning，RL），提出了Group Sequence Policy Optimization (GSPO) 算法。不同于过去的RL算法，GSPO定义了序列级别的重要性比率，并在序列层面执行裁剪、奖励和优化。