点击上方“Deephub Imba”,关注公众号,好文章不错过 ...

在近期的科技大潮中，字节跳动与清华大学联合发布的DAPO技术报告引起了广泛关注——它将32b-base的表现提升到了AIME 50分。这份报告充满了对大模型训练的深入思考，尤其强调了细节在增强学习（RL）过程中的重要性。

近期，字节跳动与清华大学联合发表的技术报告中，展示了其新开发的DAPO（Dynamic Adaptive Prompting ...

近日，清华 AIR 和字节联合 SIA Lab 发布了他们的第一项研究成果：DAPO，即 Decoupled Clip and Dynamic sAmpling Policy Optimization（解耦剪辑和动态采样策略优化）。这是一个可实现大规模 LLM 强化学习的开源 SOTA 系统。此外，使用该算法训练的模型也将在近期开源发布。