强化学习
-
Hugging Face推出harness adapters:Qwen3.8-27B在pi框架上Terminal-Bench得分从39%升至55%,平均token用量减半
Hugging Face于11月20日介绍为智能体框架训练的LoRA适配器。以Qwen3.8-27B为例,在pi框架的Terminal-Bench 2.1上,pass@1从39%升至55%,平均每题token从约2.9K降至1.5K。三个专科适配器还可合并使用,但换到很不同的评测循环后优势不再明显。
-
英伟达用Dynamo给强化学习训练减负:按缓存分流rollout,CoreWeave称权重更新最快可提速约15倍
英伟达于11月19日发表技术博客,介绍如何把推理服务框架Dynamo用作强化学习训练中的rollout服务层。它处在训练框架和推理工人之间,负责分流请求、分发更新后的权重,并在工人故障时把任务转到仍可用的算力上。
-
英伟达发布Alpamayo 2 Edge:20亿参数推理驾驶模型塞进车端,Thor上端到端延迟160至190毫秒
英伟达11月10日发布Alpamayo 2 Edge:一款20亿参数、可在车载芯片DRIVE AGX Thor上实时运行的推理型视觉-语言-动作模型。它只在需要时才“思考”,经过闭环强化学习后驾驶表现提升48.9%,配套的AlpaJudge则用来给模型的推理质量打分。