比率用错了单位:GSPO 把重要性采样提到序列级

GRPO 沿用 token 级重要性比率,Qwen 认为这是误用,会让 MoE 长回答训练崩溃。GSPO 把比率、裁剪和优化都提到序列级。

2026-08-26 · 16 分钟 · 8013 字 · njx