跳转至

Read this paper write-up in English

Asynchronous LLM Post-Training: Group-Mass Capping and Convergence Analysis

复现级别：L1 核心机制诊断。 执行 group mass capping；未搭建异步 RL 集群。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 The Ohio State University（按第一作者署名单位）
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter gmc-grpo
本地复现代码 src/auto_research/post_training/latest_20261003.py

原始论文总结

背景与主要改动

异步 rollout 的重要性比在 group 级统一缩放，使总质量受帽约束；在共同二阶矩保证下减少 trajectory-wise clipping 的持续偏差。

flowchart LR
  I[输入与当前状态] --> M[gmc-grpo 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

Asynchronous LLM Post-Training: Group-Mass Capping and Convergence Analysis 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(w_i=r_i\min(1,C/\sum_jr_j)\)。

论文离线与线上效果

大延迟设置下在 Qwen3 推理实验中优于稳定基线。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行 group mass capping；未搭建异步 RL 集群。