共计 4 篇文章

---

2026

09-01

2026 年大模型 PPO：前沿进展、主流范式与论文地图

08-27

VC-PPO 详解：PPO 在长 CoT 上为什么崩？价值优化才是命门

01-22

GRPO 去掉 Critic Model 会带来哪些问题？

01-20

DAPO 与 GSPO 相对于 GRPO 的改进