logo
戴佳伟是大帅逼
07-05·AI领域创作者
通义千问3的SWRP算法省算力吗？
千问3 SWRP算法确实省算力
信号更干净，收敛快30%GRPO的问题：8条rollout里7错1对，归一化后噪声爆炸，收敛慢。SWRP给每条样本单独算权重——"对且格式好"的权重拉高，噪声样本压下去，gradient 更准，少跑几百步到同分。
发布于 海南
2
1
1
未登录
友善发言
image-upload
评论
加载中