# Tencent Hy 將臨界批次大小理論延伸至線上 LLM 強化學習

Tencent Hy 表示，在有限的批次大小範圍內，重新調整學習率可於 GRPO 與 PPO 中維持每個回應的學習效果。在固定硬件上，加大批次可將 PPO 生成階段吞吐量最高提升 2.29 倍；其實測最佳的 GRPO 配置達到同一驗證目標的時間少 29%。

Language: zh-HK
Time zone: Asia/Hong_Kong
Current time (UTC, cached as of): 2026-11-10T07:02:00.000Z
Query date (Asia/Hong_Kong): 2026-11-10

HTML: https://didcodexreset.com/zh-hk/news/fd086135c444478694ae5d23.html

Content language: zh-HK
Localization state: translated

來源：Tencent Hy · 發布於 24/9/2026 10:33:18

Tencent Hy 的[線上 LLM 強化學習研究](https://hy-ai.woa.com/research/100116?langVersion=en)重訪經典臨界批次大小理論，並將其延伸至模型自行生成訓練數據，以及 rollout 生成與訓練以不同方式擴展的設定。

在 GRPO 與 PPO 中，Tencent Hy 發現，於有限的批次大小範圍內重新調整學習率，可維持每個回應的學習效果。在固定硬件上，加大批次可將 PPO 生成階段吞吐量最高提升 2.29 倍；其實測最佳的 GRPO 配置達到同一驗證目標的時間少 29%。

Tags: Tencent Hy, LLM 強化學習, 臨界批次大小, GRPO, PPO

[查看主帖原文](https://x.com/TencentHunyuan/status/2102948623751487950)