通俗解释
提出非对称裁剪（Clip-Higher）、动态采样、token 级损失和超长回答惩罚，缓解熵坍缩和训练不稳，用 Qwen2.5-32B 在 AIME 2024 上取得 50 分。
用在哪里：开源推理强化学习（verl 内置 DAPO 配方）；Clip-Higher、动态采样等技巧已被后续 GRPO 变体广泛沿用
01原始论文
DAPO: An Open-Source LLM Reinforcement Learning System at Scale
Qiying Yu, Zheng Zhang, Ruofei Zhu, et al. · 2025
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
所在学习路线：后训练与推理模型
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
dapo)