**N-GRPO：嵌入级近邻混合提升策略优化**

_N-GRPO: Embedding-Level Neighbor Mixing for Enhanced Policy Optimization_

> 针对大语言模型数学推理中解路径生成的多样性与语义权衡问题，提出N-GRPO方法。该方法在GRPO优化框架中引入语义近邻混合机制，通过动态混合锚点token的嵌入与其语义近邻，在保持语义连贯的同时有效注入多样性。在DeepSeek-R1-Distill-Qwen上的实验表明，N-GRPO在数学推理基准上击败强基线，并在分布外任务中展现鲁棒泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.10768)