تم اقتراح تحسين سياسة تباين المجموعة (GVPO) من قبل فريق Zuoyebang بالتعاون مع جامعة هونج كونج للعلوم والتكنولوجيا (قوانغتشو) في أبريل 2025. وقد نُشرت نتائج البحث ذات الصلة في الورقة البحثية "...".GVPO: تحسين سياسة تباين المجموعة لنموذج اللغة الكبير بعد التدريب"، تم قبولها بواسطة NeurIPS 2025.

يُدمج GVPO الحل التحليلي لتعظيم المكافأة المقيدة بـ KL مباشرةً في أوزان التدرج، مما يضمن التوافق مع السياسة المثلى. تُقدم هذه الطريقة تفسيرًا فيزيائيًا بديهيًا: يعكس تدرجها متوسط مربع الخطأ بين المسافة الضمنية لمركز المكافأة والمسافة الفعلية لمركز المكافأة. يتميز GVPO بميزتين رئيسيتين: أولًا، يضمن حلًا مثاليًا فريدًا، وهو هدف تعظيم المكافأة المقيدة بـ KL؛ ثانيًا، يدعم توزيعات العينات المرنة، متجنبًا القيود التي تفرضها السياسة وأخذ العينات حسب الأهمية.