機器之心● 精選AI 評分70
港大 RaPO 改進 GRPO，視覺持續學習遺忘率降至 4.69%
香港大學團隊提出強化微調演算法 RaPO，在 Qwen2-VL-2B 的 ImageNet-R 十任務類增量學習上把最終準確率從標準 GRPO 的 74.67% 提升到 85.92%，遺忘率從 20.02% 降到 4.69%。該工作指出 GRPO 存在「軌跡級漂移不可知」缺陷，用按軌跡 KL 漂移計算的 Retention Reward 加上跨任務 EMA 優勢歸一化 CTAN，重塑信用分配。