介绍GSPO RL算法用于Qwen3模型训练
我们正在使用的
自豪地介绍 Group Sequence Policy Optimization (GSPO)，这是我们稳定、高效且性能卓越的 RL 算法，为最新 Qwen3 模型（Instruct、Coder、Thinking）的大规模 RL 训练提供动力 🚀
动态
自豪地介绍 Group Sequence Policy Optimization (GSPO)，这是我们稳定、高效且性能卓越的 RL 算法，为最新 Qwen3 模型（Instruct、Coder、Thinking）的大规模 RL 训练提供动力 🚀