周四晚8点，和通义千问郑楚杰博士，一起聊聊Qwen3背后的大规模强化学习训练算法GSPO

青稞社区主页：https://qingkeai.online/
原文：https://mp.weixin.qq.com/s/MPuc8kjwAjPYGSdyHrkbqg

论文：Group Sequence Policy Optimization
链接：https://www.arxiv.org/pdf/2507.18071

分享嘉宾

郑楚杰，通义千问研究员，Qwen3、QwQ 系列开源模型核心贡献者。2025年博士毕业于清华大学，师从黄民烈教授。曾获2025年WAIC云帆奖·明日之星、ACL 2025 SAC Award。研究方向为大模型推理、对齐与强化学习。在ICLR、ICML、ACL等国际会议发表论文10余篇，谷歌学术引用量5300余次，长期担任ACL、EMNLP、NAACL等会议领域主席。