腾讯混元：Research· 黄冠华;许庭强;王锦波·· 2026-02-13
通过 Token 级梯度诊断与 Layerwise Clipping 稳定 RLVR 训练
Stabilizing RLVR via Token-level Gradient Diagnosis and Layerwise Clipping
AI 导读
提出一种稳定 RLVR 训练的新方法，采用 Token 级梯度诊断技术精准定位异常梯度来源，结合逐层梯度裁剪（Layerwise Clipping）对不同网络层实施差异化约束，有效抑制训练过程中的梯度爆炸与策略震荡，提升强化学习训练的稳定性与收敛效率。
来源：腾讯混元：Research · hunyuan.tencent.com