🎯 情报来源：量子位
腾讯优图团队于2025年10月15日发布突破性AI训练方法——无训练组相对策略优化（Training-Free GRPO）。该方法通过动态更新外部经验知识库而非调整模型参数，在DeepSeek-V3.1-Terminus模型上实现跨领域性能提升，数学推理任务准确率最高提升5.4%，成本仅需18美元。
实验数据显示，该方法在AIME24/AIME25数学竞赛基准测试中，将模型表现从80.0%/67.9%提升至82.7%/73.3%。相较传统需70000元微调的32B模型强化学习方法，新方案仅消耗100个样本和120元成本，实现成本效益500倍提升。
💡 核心要点
- 成本突破：训练成本仅18美元（约120元），比传统方法降低99.7%
- 性能提升：数学推理任务准确率绝对提升2.7%-5.4%，网页搜索Pass@1提升4.6%
- 样本效率：仅需100个跨域训练样本，无需梯度更新
- 工具优化：平均工具调用次数下降，验证方法有效性
- 模型依赖：需671B级大模型支持，32B模型效果不佳
📌 情报分析
技术价值（极高）：突破参数调优范式，通过token先验实现非参数化优化，论文已发表于arXiv
商业价值（高）：成本效益比达500:1，可快速部署于金融、搜索等专业场景，但依赖大模型基础设施
趋势预测（高）：预示提示工程新方向，轻量化调优方法或成中小型企业AI部署首选方案