2026-09-09人工智能约 33 分钟GSPO 论文详解：从 token 概率比到序列优化，为什么能改善 MoE 强化学习？分析 GSPO 的序列概率比、长度归一化、裁剪与梯度，核对 Qwen3 MoE 实验的证据边界，并提供可运行 PyTorch 对照。