热点事件持续更新

EasyPPO：固定 Critic 让 PPO 后训练零崩溃

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

2026 年 9 月 30 日，AGI Hunt 报道，Xuanyi Zhou 发布 EasyPPO——一种通过固定 critic 让 PPO 在 LLM 后训练中稳定运行的方法，报道称其实现了零训练崩溃。据该报道，EasyPPO 不引入新的 actor loss，也不更换策略算法，而是针对 actor 与 critic 交互中的两种失效模式给出修复。在编码任务上，报道称 EasyPPO 相对标准 PPO 性能提升 14.89%。目前公开报道仅此一条，尚无更多后续进展或第三方复现信息。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

9月30日

11:45
AGI Hunt
EasyPPO 固定 Critic 解决 PPO 训练崩溃
Xuanyi Zhou 发布 EasyPPO，通过固定 critic 让 PPO 在 LLM 后训练中稳定运行，实现零训练崩溃。该方法不引入新的 actor loss、也不更换策略算法，并针对 actor 与 critic 交互中的两种失效模式给出修复。在编码任务上，EasyPPO 相对标准 PPO 性能提升 14.89%。

本事件热度走势

当前热度 9·可比范围峰值 10（9月30日 12:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。