2025年7月27日，据通义千问Qwen报道，为持续拓展强化学习（Reinforcement Learning，RL）的应用，研究人员提出了Group Sequence Policy Optimization（GSPO）算法。与传统RL算法不同，GSPO在序列层面定义重要性比率，并进行裁剪、奖励和优化操作，以提升学习效率和性能。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。