**GEPO：基于组熵控制的策略优化方法**

_Group Entropy-Controlled Policy Optimization_

> 针对大语言模型强化学习中异构任务导致的熵调节不足及优势信号偏差问题，提出GEPO方法。该方法通过估计组内熵进行非对称优势塑形，有效平衡探索与利用，在数学、代码等13项基准测试中表现优于GRPO及相关方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.16850)