GSPO：突破性强化学习算法，稳定高效扩展语言模型

🚀 GSPO: 组序列策略优化——一种突破性的RL算法，用于扩展语言模型！

🔹 序列级优化——理论合理且匹配奖励
🔹 对大型MoE模型有坚固稳定性——不会崩溃
🔹 无需 Routing Replay 等技巧——训练更简单、更干净
🔹 轻松扩展：更多计算 = 更好结果 ✅

🔥 驱动最新的 Qwen3（Instruct、Coder、Thinking）
📊 比 GRPO 梯度更干净、收敛更快、基础设施更轻

GSPO = 稳定、可扩展、对基础设施友好。
让我们一起推动智能的极限。

论文：https://t.co/UXt6TS36Ev
尝试最新的 Qwen3：https://t.co/V7RmqMaVNZ