字节跳动与清华联合发布开源强化学习框架DAPO，支持大规模分布式训练和算法快速迭代。

提出新型符号化方差缩减算法，解决异构数据下符号聚合偏差问题，在非凸随机与有限和优化中达到最优收敛率。

理论分析揭示异步分布式优化中同构与异构设定存在根本性收敛鸿沟，现有算法难以兼顾数据分布差异与通信延迟鲁棒性。