Kwai AI: SRPO soll RL-Training von LLMs bis zu zehnmal effizienter machen
Das SRPO-Framework reduziert die Schritte beim RL-Post-Training um rund 90 Prozent und erreicht dabei in Mathe und Code das Niveau von DeepSeek-R1. Der zweistufige Ansatz mit History Resampling umgeht Beschraenkungen von GRPO.
Der Artikeltext wird beim nächsten Sync nachgeladen. Original bei Synced lesen
Originaltitel: Can GRPO be 10x Efficient? Kwai AI’s SRPO Suggests Yes with SRPOQuelle: Synced (Synced). Original öffnen