arXiv 提出 Li²SAO 异步强化学习优化方法
原文标题：Li$^{2}$SAO: Lifting Light Singl-Rollout Asynchronous RL Optimization via Group-Relative Actor-Critic Bootstrapping
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文分析 GRPO 与轻量复现的 LiSAO 在单轮推理与多轮智能体任务上的表现，发现 GRPO 在推理任务占优、LiSAO 在智能体任务占优。作者提出 Li²SAO，用组相对优势训练 actor、组中心回报训练 critic，待 critic 成熟后切换单轨迹 GAE，早期追平或超越 GRPO 并抬高后期性能上限。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Li²SAO 用组相对 actor-critic 自举补足冷启动，早期追平或超越 GRPO 并抬高后期性能上限。
- •对比 GRPO 与轻量复现 LiSAO：GRPO 在单轮推理占优，LiSAO 在多轮智能体任务占优
- •LiSAO 因价值模型未训练好，早期训练显著落后 GRPO
- •Li²SAO 在 critic 冷启动期用组相对优势训 actor、组中心回报训 critic
- •critic 成熟后切换单轨迹 GAE
- •实验显示早期追平或超越 GRPO，并进一步提升后期性能上限
为什么重要：异步 RL 正成为 LLM 后训练主流，但 SAO 依赖闭源价值模型；该工作给出无需预训练价值模型的替代方案。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。