阿里通义实验室智能计算团队推出新算法FIPO

云财经讯，4月7日，阿里通义实验室智能计算团队宣布推出新算法FIPO(Future-KL Influenced Policy Optimization)，引入Future-KL机制，奖励关键Token，解决纯强化学习(Pure RL)训练中“推理长度停滞”难题。据该团队介绍，在32B规模的纯RL设定下，率先实现对o1-mini与同规模DeepSeek-Zero-MATH的性能反超。