研究者提出GRPO子组偏移基线调整方法

Jiaying Zhou等提出一种调整分组相对策略优化（GRPO）基线的方法：按解题策略把同一提示词下产生的多条采样轨迹分成子组，用单一带符号系数λ沿子组均值与全局均值的偏差平移基线，λ>0为对齐方向、λ<0为对比方向。该方法的改动仅限基线，不改动奖励信号与优化目标。 据其论文，研究针对同一提示词的多条轨迹落入异质子组时的基线调整问题展开，并称已对该方法进行评估。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。