ZARZA We are Zarza, the prestigious firm behind major projects in information technology.
Listen "深入剖析DAPO：大规模开源LLM强化学习系统"
Episode Synopsis
本期播客深入探讨了DAPO（解耦裁剪与动态采样策略优化）算法，这是一个在Qwen2.5-32B基础模型上实现AIME 2024测试50分的先进大规模强化学习系统。我们详细讨论了其四项关键技术：Clip-Higher、动态采样、词元级策略梯度损失和超长奖励修正，以及它们如何解决熵塌陷、梯度消失、长CoT场景下的学习不平衡和奖励噪声等问题，并介绍了其开放源代码、训练代码和精心处理的数据集对社区的贡献。
More episodes of the podcast AI Podcast
智能体组织时代：语言模型如何学会异步思考
13/11/2025
MemOS：AI系统的记忆操作系统——革新LLM的记忆能力
12/11/2025
超感知：迈向视频空间智能的未来
11/11/2025
FM Agent：大型语言模型与进化搜索的协同——迈向通用AI研究代理
09/11/2025
AI Radio FM - 智能代理的进化秘籍：ACE上下文工程
07/11/2025
AI长时记忆突破：Mem0如何赋能智能体？
06/11/2025
AI语境工程：机器如何真正“懂你”？
05/11/2025
In God we trust