待验证50% 置信事实精确时间

组相对优势是 GRPO 等方法的核心机制，通过组内平均奖励为基准计算每条输出的相对优势，替代传统 RL 中难以估计的价值函数

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

DEEPO：双熵增强策略优化，破解多模态大模型幻觉难题

涉及实体

组相对优势concept GRPOconcept

相关事实

待验证现有基于组相对优势的 RL 方法在从奖励到参数更新的修正链条上存在两个薄弱环节：rollout 阶段的优势坍缩和优化层面的梯度不可见66% 相似待验证替代指标的有效性建立在'成果—能力'的因果关系和稀缺性之上，产出成果本身需要真实能力作为前提57% 相似待验证帕累托前沿指一组无法在不牺牲某一指标的前提下改进另一指标的最优解集合55% 相似待验证逆强化学习面临不适定性问题——同一组行为数据可能对应多个截然不同的奖励函数55% 相似待验证综合排名反映的是模型的综合素质，而非某个单一任务上的绝对最强54% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949036

API

curl https://kongchang.com/api/v1/knowledge/claims/949036

MCP

get_claim(id=949036)