论文精读|SRPO:Sample Routed Policy Optimization,通过样本路由统一 GRPO 与 SDPO

AI阅微轩 2026年04月10日 查看原文

已收录文章摘要,完整内容可前往原文阅读。

关注+星标、置顶不迷路。每天带你深度阅读一篇经典好文。这篇论文来自中科院自动化所、新加坡国立大学(NUS)和腾讯的联合团队,2026 年 4 月挂出的 arXiv 预印本(Working in Pro