热点事件持续更新
长程RL状态分布漂移问题解决
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
清华大学AIR+Seed TAPO模型成功解决了长程RL状态分布漂移问题。早先报道指出，局部策略失配沿轨迹复合会导致严重状态分布漂移，而GRPO/GSPO在处理token/序列时无法有效管理轨迹漂移。最新报道称，该模型通过新的方法解决了这一问题，状态分布漂移减少了48%，代码效率提升了约12%。
AI 根据报道生成 · 3 小时前更新
最新进展10月25日 06:11
清华大学AIR+Seed TAPO模型成功解决长程RL状态分布漂移问题，状态分布漂移减少48%，代码效率提升约12%。报道时间线
沿着报道，了解事件的不同侧面。
10月25日
- Agent Control Flash News清华大学AIR+Seed TAPO模型解决长程RL状态分布漂移问题
局部策略失配沿轨迹复合成严重状态分布漂移，GRPO/GSPO 管 token/序列却不管轨迹漂移。
本事件热度走势
当前热度 9·可比范围峰值 10（10月25日 07:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。