Surya 正在直播 RL 訓練過程
Surya 表示,其強化學習訓練過程正在 brusharena.art/live 直播。這次直播的靈感來自 LuoFuli。
Surya 表示,其強化學習訓練過程正在 brusharena.art/live 直播。這次直播的靈感來自 LuoFuli。
微軟研究院推出 Agent Lightning,該工具可將現有的 AI Agent 接入強化學習訓練,無需重新構建。
該工具支援開發者探索、視覺化並運行涵蓋 OpenEnv、Harbor、MiMo、Verifiers 與 NeMo Gym 的強化學習環境,覆蓋 Hugging Face Hub 上超過 1200 萬個任務條目。
CoreWeave 推出 CoreWeave Forge,將 Agent 追蹤、評估與無伺服器強化學習整合於單一環境。該平台提供免費入門方案,並為新帳戶提供 30 天 Pro 試用期。
針對僅以通過測試為目標訓練的模型會插入未請求代碼並靜默忽略錯誤的問題,小米在強化學習中將測試結果與質量核對清單評分相乘。調整後的 MiMo-V2.6-Pro RL 在 Artificial Analysis Intelligence Index 取得 46 分,位列開放權重模型首位。
CoreWeave 推出基礎設施功能 RL Rollouts。該功能可在強化學習過程中直接將新模型權重載入至運作中的推論部署,且不會中斷進行中的請求。NVIDIA 與 You.com 已使用該功能對用於網絡搜尋的 Nemotron 3.5 Lightning 進行後訓練。