FSPO: Fairness bei Längen in Sequenz‑RL neu definiert
In einer neuen Veröffentlichung auf arXiv präsentiert ein Forschungsteam die Methode FSPO (Fair Sequence Policy Optimization), die das Problem der Längenungleichheit in sequenzbasierten Reinforcement‑Learning‑Algorithmen löst. Durch die direkte Anpassung des Clipping‑Mechanismus im Bereich der Importance‑Sampling‑Gewichte stellt FSPO sicher, dass kurze und lange Antworten gleichermaßen berücksichtigt werden.
