https://xiejiayun.github.io/tags/grpo/Recent content in GRPO on Jiayun's BlogHugozh-cnMon, 18 May 2026 00:00:00 +0000https://xiejiayun.github.io/post/paper-2605.13779/Mon, 18 May 2026 00:00:00 +0000https://xiejiayun.github.io/post/paper-2605.13779/<blockquote> <p>📌 <strong>好文共赏 · 论文导读 | Paper Pick</strong></p> <p><strong>论文</strong>：<a href="https://arxiv.org/abs/2605.13779">MinT: Managed Infrastructure for Training and Serving Millions of LLMs</a> | arXiv:2605.13779 <strong>作者</strong>：Mind Lab（投稿人 Changhai Zhou，~55 人团队，核心贡献者 12 人） <strong>机构</strong>：Macaron AI 旗下研究实验室 Mind Lab（contact@mindlab.ltd，公开 cookbook 在 <a href="https://github.com/MindLab-Research"><code>MindLab-Research/mint-cookbook</code></a>） <strong>发布</strong>：2026-05-13（27 页，cs.LG/cs.AI/cs.DC）| <strong>多模评分</strong>：综合 <strong>8.7/10</strong>（Opus 8.9 / Sonnet 7.5 / Gemini 7.5；编辑加权后取 8.7） <strong>一句话</strong>：当前业界还在争论「LoRA 能不能用在 RL post-training」时，这份报告直接给出了<strong>百万 LoRA × 1T 基模 × MoE/MLA/DSA</strong>的完整调度方案，并把每一条速度曲线都钉到了真实集群上的秒级测量上。</p>https://xiejiayun.github.io/post/paper-2605.13301/Sun, 17 May 2026 00:00:00 +0000https://xiejiayun.github.io/post/paper-2605.13301/<blockquote> <p>📌 <strong>好文共赏 · 论文导读 | Paper Pick</strong></p> <p>📄 论文：<a href="https://arxiv.org/abs/2605.13301">Achieving Gold-Medal-Level Olympiad Reasoning via Simple and Unified Scaling</a> · arXiv <strong>2605.13301</strong><br> 👥 作者：Yafu Li, Runzhe Zhan, Haoran Zhang, Shunkai Zhang, Yizhuo Li et al.（上海 AI 实验室 / 香港中文大学 / 清华大学 / 上海交大 / 北大）<br> 📅 发布：2026-05-13 | 多模评分：综合 <strong>8.67 / 10</strong>（Opus 8.75 · Sonnet-equiv 8.25 · Gemini-equiv 9.0）<br> ✍️ 一句话：一份<strong>200 步 RL</strong> 就能把 30B-A3B 开源 MoE 推到 <strong>IMO 35/42、USAMO 35/42、IPhO 双金</strong>的统一配方——开源世界第一次在自然语言路线上摸到奥赛金牌带。</p>