Qwen团队刚刚发布的除了升级版的思考模型 Qwen3-235B-A22B，还发了一篇技术论文，提出了GRPO 的升级版算法：GSPO
论文地址：http://t.cn/A6FyzBfX

GSPO是一种用于训练大型语言模型的稳定、高效且性能优异的强化学习算法。GSPO 通过基于序列似然定义重要性比率，并在序列级别进行裁剪、奖励和优化，显著提高了训练效率和性能，特别是在 Mixture-of-Experts（MoE）模型的强化学习训练中表现出色，为最新的 Qwen3 模型的显著改进做出了贡献。
#AI创造营##微博兴趣创作计划#