Hunyuan(@TXhunyuan)· Tencent Hy (@TencentHunyuan)·2026-09-24 10:29· 16 天前

腾讯混元研究：LLM 强化学习批大小与训练效率新发现

⚡️ As LLM reinforcement learning scales to larger GPU clusters and more training data, training effi...

AI 导读

腾讯混元（Hunyuan）将经典临界批大小理论扩展至在线 LLM 强化学习，在 GRPO 和 PPO 上发现，重新调整学习率可在一定批大小范围内保持每个响应的学习效果。在固定硬件上，扩大批大小使 PPO 生成阶段吞吐量最高提升 2.29×，最佳 GRPO 配置以少 29% 的时间达到相同验证目标。