港科大提出 CorrGRPO：用相关系数归一化解多奖励训练失衡

港科大提出 CorrGRPO，将 GRPO 多奖励训练中的成对协方差归一化为 Pearson 相关系数，避免大尺度奖励压制小尺度奖励信号。该方法在 0.5B 到 8B 参数模型上，于代码生成、工具调用、agent 安全三个多奖励任务中均超过 GRPO 及其变体。代码已开源于 GitHub。