**北航北大美团提出PIRL：解决大模型RL后训练策略提升问题**

_北航、北大和美团联合提出：策略提升强化学习!_

> 研究团队提出策略提升强化学习(PIRL)及算法PIPO，旨在解决大模型RL后训练中一次更新是否真正优化学习信号的基础问题。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：论文
- **发布时间**：2026-07-13 10:47（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-07-13)