RLVR

圖：本站依事件資料排版，不是新聞照片

IIT Kanpur 提出 FSPO 框架，提升策略優化準確率並降低記憶體需求

Indian Institute of Technology, Kanpur 研究團隊提出 Function-Space Policy Optimization (FSPO)，透過函數空間時間自蒸餾技術，在 5 小時訓練預算下平均準確率較最佳基線提升約 4 個百分點，同時將峰值記憶體從約 70 GB 降至 56 GB。

程式自動生成（Qwen3.8-Flash-Next-180B），未經人工審閱。每段附來源，門檻檢查通過後自動上線。