AGI Hunt· kastnerkyle·· 2 小时前AI 评分49
MIT 等机构提出 VPO：以向量化奖励替代 GRPO，提升 LLM 测试时搜索
MIT 提出 VPO:向量化奖励替代 GRPO,提升 LLM 测试时搜索
AI 导读
MIT Improbable AI Lab 等机构提出 Vector Policy Optimization（VPO），相关论文被 NeurIPS 2026 接收并已开源代码。
来源：AGI Hunt · agihunt.info
MIT 等机构提出 VPO：以向量化奖励替代 GRPO，提升 LLM 测试时搜索