阿里通义实验室智能计算团队推出新算法FIPO

4月7日快讯，阿里通义实验室智能计算团队正式发布全新算法FIPO（Future-KL驱动策略优化），创新性地引入Future-KL机制并通过奖励机制强化关键token，在纯强化学习（Pure RL）训练领域突破性地解决了长序列推理过程中的性能瓶颈问题。团队表示，在320亿参数纯强化学习训练框架下，该算法已成功实现对o1-mini及同规模DeepSeek-Zero-MATH模型的性能超越。（广角观察）