理解GRPO，超越GRPO！GVPO算法详解
MLNLP社区致力于推动国内外自然语言处理和机器学习领域内的交流合作。文章提出GVPO算法，通过KL约束的奖励最大化解析解解决了GRPO中的训练不稳定问题，并支持多样化的采样分布，具有较好的稳定性和表现。
学术
单卡4090也能高质量视频编辑！西湖AGI Lab无训练框架FlowDirector来了
西湖大学AGI实验室团队提出FlowDirector，无需训练的视频编辑框架，通过流匹配范式直接在数据域构造演化路径，实现高质量对象编辑、添加、删除和替换功能。
一粒「扣子」，开启了Agent的全生命周期进化
火山引擎 Force 2025 大会上，Agent 成为焦点。扣子开发平台让零基础开发者快速构建 Agent，并通过Eino框架实现代码开发。火山引擎罗盘提供全流程优化工具，提升Agent效果与可靠性。扣子空间作为协作平台，汇集高质量Agent支持各行各业任务。
Prefix Grouper：加速GRPO训练，即插即用，长上下文场景计算效率跃升！
为解决GRPO训练中因冗余计算导致的效率瓶颈，本文提出Prefix Grouper算法。该方法通过共享前缀前向计算减少冗余，显著降低FLOPs和内存开销，并已在开源平台上提供技术报告与代码。