**超越欧几里得裁剪：RIPO通过黎曼等距策略优化解决LLM强化学习探索崩溃**

_Beyond Euclidean Clipping: Overcoming Exploration Collapse in LLM RL via Riemannian Isometric Policy Optimization_

> 针对PPO-Clip因欧几里得度量与策略流形几何不匹配导致的探索崩溃问题，研究提出黎曼等距策略优化（RIPO）。该方法通过在黎曼流形上保证等距更新，平衡探索与利用并稳定优化。实验显示，RIPO在七个竞赛级基准上显著优于现有算法，在AIME24上较GRPO提升高达60%。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.10169)