港大团队提出联邦GRPO训练框架Fed-GRPO

香港大学的 Pengxin Guo 等人提出联邦 GRPO 训练框架 Fed-GRPO，让大语言模型在不共享原始数据的前提下协作进行推理训练。据其论文描述，该框架利用 GRPO 训练中自然产生的奖励统计作为零成本信号，用于指导聚合、本地训练与通信。 论文称代码已在 GitHub 的 HKU-HealthAI/Fed-GRPO 仓库公开。上述效果均为作者在论文中的表述。

AI 根据报道生成 · 2 天前更新

还没有足够的连续观测数据，暂不绘制趋势。