QbitAI
罗福莉官宣小米强化学习，直播模型训练
- 沉寂半年的罗福莉官宣加盟小米，主攻强化学习方向。
- 并直播新模型训练过程，公开奖励曲线与显卡故障等细节。
- 展示国产模型训练的真实过程。
22 天前访问原文链接
QbitAI
星尘发布 SmoothRL，让在线强化学习跟上大模型异步推理
- 星尘智能基座模型团队发布可异步执行的在线强化学习框架 SmoothRL
- 解决机器人训练中「不能停下来等模型」的实时性难题
- 让在线强化学习与大模型异步推理更好协同
1 个月前访问原文链接
HackerNews
Prime Intellect发布大规模Agent强化学习框架：36.5万个环境并行
- Prime Intellect推出大规模Agent RL训练框架，可并行运行36.5万个环境
- 覆盖SWE编程、终端操作和网页搜索三大Agent核心场景
- 项目旨在解决Agent训练中数据稀缺和样本效率低的问题
2 个月前访问原文链接