热点事件持续更新
UIUC提出Proximal KL免裁剪RLVR正则
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月15日，据 AGI Hunt 报道，UIUC 提出 Proximal KL 方法，其做法是把 proximal 参考与采样策略分离，用有界未来 KL 信用替代 PPO 裁剪，从而实现免裁剪的 off-policy RLVR 正则。报道称，在 Qwen3-1.7B 与 Qwen3-4B 上进行的七组 off-policy 对比中，该方法在八个数学基准上的微平均准确率最高超过 GRPO 2.58%。此外，周期性刷新实验还避免了 PG 与 CISPO 的训练崩溃。目前报道未提及代码、论文链接或第三方复现情况，事件仍处于该方法被报道的阶段。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 00:17
UIUC 提出 Proximal KL，以有界未来 KL 信用替代 PPO 裁剪，数学基准最高超 GRPO 2.58%。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- AGI HuntUIUC 提出 Proximal KL：off-policy RLVR 免裁剪正则，数学基准最高提升 2.58%
UIUC 提出 Proximal KL，将 proximal 参考与采样策略分离，用有界未来 KL 信用替代 PPO 裁剪，实现免裁剪的 off-policy RLVR 正则。在 Qwen3-1.7B 与 Qwen3-4B 的七组 off-policy 对比中，八个数学基准微平均准确率最高超 GRPO 2.58%。周期性刷新实验还避免了 PG 与 CISPO 的训练崩溃。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。