Dapo算法

字节跳动与清华联合开源强化学习系统DAPO

字节跳动种子基金与清华大学AIR实验室联合发布了开源强化学习系统DAPO。该系统基于解耦裁剪和动态采样策略优化算法，包含完整的算法、代码基础设施和数据集的开源实现。