推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

2025-07-11 08:57:13 - 速汇

2025 年 1 月 20 日 Kimi k1.5 正式发布,推特伴随着工艺报告的热帖公布,有网友表示:“这应该是因为艺苏州理工大学偷拍评论全球范围内,除 OpenAI 之外的作团公司首次实现 o1 正式版的多模态推理性能了吧!”

一时间,项工Kimi k1.5 成了话题王者。推特

但在一个月后的热帖 2 月 24 日,X 上出现了一篇关于 Kimi k1.5 的因为艺工艺爆料帖,博主直言 k1.5 所用到的作团强化学习运算规则,其实是项工借鉴了自己在 24 年 5 月提出的一种名为 SPPO 的工艺。

消息一出,推特苏州理工大学偷拍评论瞬间吸引了数万人关注。热帖

推特热帖:k1.5 很牛,因为艺因为借鉴了 UCLA 与 CMU 合作团队的作团这项工艺

Kimi k1.5 背后的 SPPO 工艺

在这则爆料中,博主 Yue Wu 先是项工对 SPPO 进行了简单解释,并且附上了相关论文(https://arxiv.org/abs/2405.00675),简单来说,SPPO是一种自博弈运算规则,最初的动机来源于刻画广泛意义上的人类偏好,并且使用了如下图所示的平方损失函数:

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

值得一提的是,点开论文链接,你会发现原来 Yue Wu  和 Zhiqing Sun 同为这篇文章的第一作者。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

紧接着,他开始对 SPPO 工艺进行解析:

通过迭代求解上式中的 theta_t,我们可以得到一个与人类偏好对齐良好的语言模型。SPPO 使用胜率(红色部分)作为奖励,并用常数近似基线(蓝色部分)。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

让我们感兴趣的是,我们发现它与 RLHF 目标的策略梯度有着深层的联系:如果我们直接用普通的策略梯度优化 RLHF (人类反馈强化学习)目标会怎样?根据策略梯度定理,策略梯度实际上也具有平方损失形式(蓝色项是策略梯度中的基线):

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

从数学上,我们证明了 SPPO 的平方损失等价于普通策略梯度的一种半在线变体:

SPPO 中的胜率充当奖励函数(红色部分)。

分区函数项自然地成为(软)值函数(蓝色部分)。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

那么这到底意味着什么呢?

标准策略梯度(PPO、GRPO、REINFORCE)在每一步都收集遵循当前策略的样本。

SPPO 在每次迭代开始时只采样一次,然后通过平方损失进行优化。

这使得 SPPO 成为一种轻量级的 RLHF 方法——无需即时生成!

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

上述分析揭示了大型语言模型(LLM)后训练阶段一个有趣的增长趋势:

离线 DPO(IPO、KTO 等)取代 RLHF(奖励模型 + 强化学习)

迭代 DPO、SPPO 等方法将离线方法转化为在线对齐方法

更加精细的迭代 → 回归到在线强化学习

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

鉴于 GRPO(Deepseek-R1)和平方损失(Kimi k1.5)的成功,端到端强化学习的强大作用愈发凸显,或许在大型语言模型(LLM)后训练阶段无需额外技巧——价值函数、广义优势估计(GAE),甚至梯度裁剪都无需使用。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

另一个简单但有趣的发现是,他们发现 SPPO 暗中在词汇级别优化最优最大熵策略。其平方损失隐含地最小化了学习到的策略与最优词汇级别策略之间的 KL 散度。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

在我们后续的研究 GPO 中,我们直接最小化相对奖励与对数比率之间的平方损失。这两项工作中的平方损失等价于策略梯度,但它是以迭代的方式进行的。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

SPPO 工艺背后的科研大牛

除了提出助力 Kimi k1.5 大获成功的 SPPO 工艺外,Wu Yue 也是一个学术背景很强的科研大牛。他本科期间师从北京大学的王立威教授,博士期间师从加利福尼亚大学洛杉矶分校的顾全全教授,目前以博士后研究员的身份在普林斯顿大学机器智能实验室继续着自己的科研之路。推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

除此之外,2023 年至今他一共参与发布了 9 篇 Paper,其中 3 篇均为第一作者。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

强大的学术背景之外,Wu Yue 的实习经历也非常加分。2022 年至 2024 年,他分别在 NEC 美研院、字节美国 AI lab和 Meta 工作实习。在 NEC 美研院期间,Wu Yue 从事个性化联邦学习研究,并开发了一种基于混合模型的方法,该方法被 ICML 2023 接受发表;在字节美国 AI lab 时,他专注于药品发现领域的多构象生成,将分子动力学的物理先验纳入基于扩散的生成模型,相关成果被 ICML 2024 接受;来到 Meta 后,Wu Yue 又致力于词汇级别奖励建模和新架构设计,用于一般人类偏好和一般偏好优化,为生成式机器智能的增长做出了贡献。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺雷峰网(公众号:雷峰网)还了解到,与他同为第一作者的 Zhiqing Sun ,目前已经从 CMU 毕业,并在今年 2 月加入 OpenAI。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺


雷峰网原创文章,未经授权禁止转载。详情见转载须知。

推特热帖:k1.5 很牛,因为借鉴了 UCLA 与 CMU 合作团队的这项工艺

- END -

88

多地官宣:音乐节可在现场领结婚证

多地官宣:音乐节可在现场领结婚证

每经编辑|何小桃音乐节可以在现场领证。据新疆广播电视台报道,7月12日至7月13日,2025新疆超级草莓音乐节将在乌鲁木齐市水磨沟区天山明月城火热开唱。此次音乐节不仅有超燃的音乐盛宴,更有一系列“花式

管乐姐姐变身青牛精来萌探“乘风破浪”!《萌探奇遇记》第五期全程高能

管乐姐姐变身青牛精来萌探“乘风破浪”!《萌探奇遇记》第五期全程高能

来源标题:管乐姐姐变身青牛精来萌探“乘风破浪”!《萌探奇遇记》第五期全程高能大家有看上周更新的《萌探奇遇记》吗!这档国漫爆笑自然探索类综艺终于又更新了,除了李川、阎鹤祥、张亮和张颜齐四位常驻嘉宾外,这

现实题材生活轻喜剧《蒸蒸日上》开机 高叶韩东君“澡堂律所”碰撞烟火气

现实题材生活轻喜剧《蒸蒸日上》开机 高叶韩东君“澡堂律所”碰撞烟火气

来源标题:现实题材生活轻喜剧《蒸蒸日上》开机 高叶韩东君“澡堂律所”碰撞烟火气当律所走出高大上的写字楼,搬到澡堂子楼上,“草根律所”的“野路子”与&ld

电影《恋曲尘封》今日上映 细腻演技诠释动人情感

电影《恋曲尘封》今日上映 细腻演技诠释动人情感

来源标题: 电影《恋曲尘封》今日上映 细腻演技诠释动人情感日前,由吴有音导演/编剧,蒋雯丽、黄轩、黄小蕾、罗辑、林栋甫主演,马思纯特别出演的电影《恋曲尘封》发布今日上映海报。一本旧日记,一支素描笔,牵

女子孕前期长时间休假,“副处老公”扮演什么角色

女子孕前期长时间休假,“副处老公”扮演什么角色

撰稿/新京报评论员 马小龙编辑/迟道华 校对/王心据九派新闻报道,近日,有网友在社交平台发文称,其在小县城的文旅局工作,现已怀孕20周,孕早期请假2个月,之后也有一段时间在家没有上班,老公是市里副处领

《特里斯坦与伊索尔德》排练向观众开放 瓦格纳巅峰7月上演

《特里斯坦与伊索尔德》排练向观众开放 瓦格纳巅峰7月上演

来源标题:《特里斯坦与伊索尔德》排练向观众开放 瓦格纳巅峰7月上演《特里斯坦与伊索尔德》首次排练现场。解放日报记者 董天晔 摄“《特里斯坦与伊索尔德》将动机精准嵌入剧情转折点,使音乐成为戏

首部以网暴为题材的原创音乐剧《无法访问》将上演 直面“网络暴力”对谈“N种解法”

首部以网暴为题材的原创音乐剧《无法访问》将上演 直面“网络暴力”对谈“N种解法”

来源标题:首部以网暴为题材的原创音乐剧《无法访问》将上演 直面“网络暴力”对谈“N种解法”原创音乐剧《无法访问》剧照。6月20日至21日,国内首部以“网络暴力”为题材的原创音乐

文化·视点|互联网电视收费包自动续费治理:严控默认勾选,禁止强制捆绑

文化·视点|互联网电视收费包自动续费治理:严控默认勾选,禁止强制捆绑

来源标题:文化·视点|互联网电视收费包自动续费治理:严控默认勾选,禁止强制捆绑新华社记者白瀛记者17日从国家广播电视总局获悉,总局近日实施针对互联网电视自动续费服务的专项规范管理措施。此次治理聚焦用户

通用3D机器视觉平台是不是伪命题?

通用3D机器视觉平台是不是伪命题?

机器视觉是工业制造向“智造”升级的重要一环。从技术发展的趋势看,工业机器视觉正在经历从2D到3D的蝶变。3D视觉的价值在于,多一维度的信息数据主要是空间坐标),能满足对体积、形状、距离等信息测量的需要

中新建交35周年 《我们来了》Let's Go China 侨约八桂节目在百色开机录制

中新建交35周年 《我们来了》Let's Go China 侨约八桂节目在百色开机录制

来源标题:中新建交35周年 《我们来了》Let's Go China 侨约八桂节目在百色开机录制壮乡红城迎远方来客!6月3日,来自新加坡的儿童、家长、大学生、文化导师代表走进百色市右江区龙景街道江凤村

文化·视点|互联网电视收费包自动续费治理:严控默认勾选,禁止强制捆绑

文化·视点|互联网电视收费包自动续费治理:严控默认勾选,禁止强制捆绑

来源标题:文化·视点|互联网电视收费包自动续费治理:严控默认勾选,禁止强制捆绑新华社记者白瀛记者17日从国家广播电视总局获悉,总局近日实施针对互联网电视自动续费服务的专项规范管理措施。此次治理聚焦用户

新时代工艺美术作品巡展昆明站启幕,百件匠心之作诠释文化传承与创新

新时代工艺美术作品巡展昆明站启幕,百件匠心之作诠释文化传承与创新

来源标题:新时代工艺美术作品巡展昆明站启幕,百件匠心之作诠释文化传承与创新6月5日,“新时代工艺美术作品巡展第五站)”在昆明市博物馆隆重开幕。作为国家艺术基金2025年度重点资