港大提出 RaPO，用强化微调缓解视觉持续学习中的遗忘（在新窗口打开）
论文用轨迹级保留奖励和跨任务优势归一化，在无旧数据回放的连续视觉任务中评估微调。以 ImageNet-R 的 10 任务设定为例，报告遗忘率由标准 GRPO 的 20.02% 降到 4.69%。
搜索
关于“RaPO”的结果
共 2 篇
硅谷豪赌算力烧到停电，中国团队反向出击！这一刀，直接砍碎Scaling Law（在新窗口打开）
思考token在精不在多。Yuan 3.0 Flash用RAPO+RIRM双杀过度思考，推理token砍75%，网友们惊呼：这就是下一代AI模型的发展方向！