超越DeepSeek GRPO的关键RL算法，字节、清华AIR开源DAPO 近日，清华 AIR 和字节联合 SIA Lab 发布了他们的第一项研究成果：DAPO，即 Decoupled Clip and Dynamic sAmpling Policy Optimization（解耦剪辑和动态采样策略优化）。这是一个可实现大规模 LLM 开源 rl grpo rl算法 dapo 2025-03-18 23:22 2