阿里通義實驗室推出新算法FIPO，提升智能計算性能

【阿里通義實驗室智能計算團隊推出新算法FIPO】4月7日訊，4月7日，阿里通義實驗室智能計算團隊宣佈推出新算法FIPO（Future-KL Influenced Policy Optimization），引入Future-KL機制，獎勵關鍵Token，解決純強化學習（Pure RL）訓練中“推理長度停滯”難題。據該團隊介紹，在32B規模的純RL設定下，率先實現對o1-mini與同規模DeepSeek-Zero-MATH的性能反超。