站内暂无「zero gradient」的结果，已为你找到以下相关资讯：
别光会调GRPO，来看看真正的大规模RL是怎么炼的
正是在这个关键的历史节点，Cameron R. Wolfe 博士近日发布了一篇长篇技术博客《RL Scaling Laws for LLMs》，其中系统梳理了 Scaling Law 从预训练到 RL 的演化脉络:哪些规律依然成立，哪些假设彻底失效，以及面对混乱的 RL 设计空间，研究者们正在如何重新建立秩序。
AI教科书全错，底层公式惊天Bug曝光，Gemini率先自我修复
PyTorch错了，JAX错了。但最让人毛骨悚然，也最让人兴奋的是:这个隐藏在全人类眼皮底下的底层逻辑漏洞，是AI自己抓出来的。
Olmo 3：训练过程开源的大模型 (7B/32B)
Allen AI 的 Olmo 3 是一个全新的模型系列——拥有 7B 和 32B 参数——它们不仅仅是“开放权重”，而是完全开放的:数据配方。
Gen1.5 模型带来重要进展：物理 AI 正在接近 GPT3 时刻
来源：市场资讯（来源：极客公园）如果物理 AI 也能 scaling，意味着什么？作者｜Li Yuan编辑｜靖宇研究人员先教机器人拿起刷子，把桌上的积木扫进碗里。然后，他们把刷子拿走，换成一根香蕉。机器人抓起香蕉，将它横过来贴住桌面，把积木一点点扫进碗中。
一文看懂AI大模型的并行训练方式（DP、PP、TP、EP）
大家都知道，AI计算（尤其是模型训练和推理），主要以并行计算为主。AI计算中涉及到的很多具体算法（例如矩阵相乘、卷积、循环层、梯度运算等），都需要基于成千上万的GPU，以并行任务的方式去完成。这样才能有效缩短计算时间。
AI系统——梯度累积算法
明天博士论文要答辩了，只有一张12G二手卡，今晚通宵要搞定10个模型实验。下面这个图中橙色部分HERE就是梯度累积算法在AI系统中的大致位置，一般在AI框架/AI系统的表达层，跟算法结合比较紧密。
AEPO：智能体熵平衡策略优化，让探索更稳，推理更深！
在智能体强化学习的快速发展中，如何在探索与稳定之间取得平衡已成为多轮智能体训练的关键。主流的熵驱动式智能体强化学习（Agentic RL）虽鼓励模型在高不确定性处分支探索，但过度依赖熵信号常导致训练不稳、甚至策略熵坍塌问题。