作者位次 #13/20ICLR 2026Poster· Applications / Language, Speech and Dialog
BAPO: Stabilizing Off-Policy Reinforcement Learning for LLMs via Balanced Policy Optimization with Adaptive Clipping
Zhiheng Xi · Xin Guo · Yang Nan · Enyu Zhou · Junrui Shen · Wenxiang Chen · Jiaqi Liu · Jixuan Huang · Xun Deng · Zhihao Zhang · Honglin Guo · Zhikai Lei · Miao Zheng · Guoteng Wang · Peng Sun · Rui Zheng · Hang Yan · Tao Gui · Qi Zhang · Xuanjing Huang