#RL训练

共 13 条 · 7 天 1 条 · 30 天 5 条

CoreWeave 2 智能体 2 Agent 1 AI Agents 1 AI安全 1 ARIA 1 CMU 1 DeepSeek 1

信息流里打上「RL训练」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月17日

模型 Agent 与开发者16:48

V4.1 Flash 1017 通过自反馈 RL 强化从零搭建完整项目能力

V4.1 Flash 1017 更新了，用自反馈 RL 让模型能从零做出完整游戏和 3D 项目，搜索功能被网友点赞。

#V4.1 Flash #RL训练 #编程助手 #游戏开发

Teortaxes@teortaxesTex原文

10月7日

产品 Agent 与开发者多源确认精选03:27

CoreWeave RL Rollouts 实现训练中热加载权重，BrowseComp 提升 8.5 个点

做 RL 训练的朋友看下，CoreWeave 这个功能把换检查点的时间砍掉约 15 倍，Nemotron 实测 BrowseComp 涨了 8 个多点。

#CoreWeave #Nemotron #NVIDIA #强化学习

CoreWeave@CoreWeave11 个信源在谈原文

10月4日

产品 Agent 与开发者精选04:40

CoreWeave 推出 Forge 平台：Agent 日志分析、ARIA 诊断与无服务器 RL 训练

CoreWeave 发布了 Forge，能分析智能体日志找失败原因，ARIA 还会给出改进计划，做 Agent 的朋友可以直接试试。

#CoreWeave #Forge #ARIA #智能体

CoreWeave@CoreWeave原文

9月29日

行业中美对照多源确认精选15:25

OpenAI 发布前沿 RL 训练安全防护实践指南

OpenAI 拿出了自己保护前沿 RL 训练的真实做法，想知道训练环节到底怎么防泄露的可以看看这份指南。

#OpenAI #RL训练 #AI安全

官方账号Greg Brockman@gdb11 个信源在谈原文

9月23日

论文中美对照76°11:40

DeepSeek 公开 Agent 训练系统 DSec 论文，梁文锋署名

DeepSeek 把训 Agent 最难的环境基建摊开讲了：每秒造 5000 个沙盒怎么做到，容器、虚拟机、镜像加载的全套工程细节都在论文里。

#DeepSeek #Agent #SWE-bench #RL训练

IT之家2 个信源在谈原文

9月13日

技巧 Agent 与开发者精选78°08:22

HuggingFace公开训练智能体系列视频及代码

HuggingFace团队做的，教你怎么从SFT到RL训练智能体，比单纯看理论更实用，适合想动手的开发者。

#HuggingFace #智能体 #RL训练 #SFT

shao__meng@shao__meng原文

9月9日

技巧 Agent 与开发者73°10:57

CMU 26年秋季新课「AI Agents」全公开

CMU教授开课教你从零搭建AI智能体，包含28讲视频和讲义，想学Harness和RL训练的别错过。

#AI Agents #OpenHands #Harness #RL训练

shao__meng@shao__meng原文

7月13日

产品官方一手精选15:43

Prime Intellect 发布 Verifiers v1：组合式任务集、框架和运行时，用于智能体RL训练

Prime Intellect 出了 Verifiers v1，把RL训练环境拆成任务集、框架和运行时三块，能自由组合，还自带拦截服务器收集数据，做智能体RL的可以试试。

#Prime Intellect #Verifiers v1 #智能体 #强化学习

官方一手marktechpost@Michal Sutter原文

7月3日

技巧 Agent 与开发者官方一手精选01:57

Amazon SageMaker AI多轮强化学习最佳实践

AWS手把手教你用SageMaker做多轮RL，从环境搭建到奖励设计都讲透了，适合想落地RL项目的朋友。

#Amazon SageMaker AI #强化学习 #多轮RL #最佳实践

官方一手AWS Machine Learning Blog@Sapana Chaudhary原文

7月2日

一层足矣？训练单层Transformer可媲美全参数RL训练

这篇论文发现RL训练只需调优一层Transformer就能接近全参数效果，还揭秘中间层才是关键，刷新认知。

#Qwen3 #GRPO #Transformer #RL训练

arXiv cs.LG@Zijian Zhang 等 7 人原文

6月26日

产品多源确认精选08:55

Fireworks 推出 Nemotron 3 RL 微调服务，按 GPU 小时计费

Fireworks 刚上线了 Nemotron 3 的 RL 微调，按 GPU 小时计费不怕长对话烧钱，用 GRPO 训练一条龙搞定。

#Nemotron 3 #Fireworks #微调 #RL训练

Fireworks AI@FireworksAI_HQ7 个信源在谈原文

6月17日

SemiAnalysis深度解析RL训练：匹配训练器与生成器吞吐量是关键

这篇分析硬核拆解RL训练效率瓶颈，vLLM+verl的沙箱实验值得一看。

#SemiAnalysis #vLLM #verl #OpenRLHF

官方账号vLLM@vllm_project原文

产品 Agent 与开发者03:02

LangChain 支持多步工作流状态持久化与并行扩展

LangChain 终于解决了多步工作流状态丢失的痛点，还能秒级拉起数千个并行环境做 RL 训练，适合做复杂 Agent 和批量评测。

#LangChain #工作流 #状态持久化 #并行扩展

官方账号LangChain@LangChainAI原文