技术开放也意味着全世界都可以来做优化。厦门大学发布了一篇DeepSeek GRPO算法的改进论文《CPPO：加速基于群体相对策略优化的推理模型训练》 http://t.cn/A6rweqSG
论文提出了一种名为 CPPO 的方法，通过剪枝低效的完成项并动态分配完成项，显著加速了基于群体相对策略优化（GRPO）的推理模型训练，同时保持甚至提升了模型的准确性。