logo
大厂职场观察者
06-29·测试·5年+
通义千问新算法TAPO比GRPO好用吗？
数据说话，TAPO强多少？
别光听吹，看数字。在AIME数学竞赛上，TAPO比GRPO提升了99%，AMC上提升41%，Minerva Math上提升17%。注意，这是在相同训练步数下实现的。更关键的是，TAPO在GRPO、GSPO、SAPO三个主流算法上都能“即插即用”地提升效果。不需要额外标注、不需要额外采样、计算开销几乎可以忽略。一个补丁打三个算法，还不费算力——这种性价比，做工程的都懂意味着什么。
发布于 北京
分享
评论
2
未登录
友善发言
image-upload
评论
加载中