Prime Intellect Blog·原文发布· 23 小时前AI 评分53
prime-rl 0.10.0 发布：更快训练、新 RL 损失 IPO 与统一 eval 栈
prime-rl 0.10.0: faster training, our new RL loss IPO, and one unified eval stack
AI 导读
Prime Intellect 发布 prime-rl v0.10.0 和 verifiers v0.4.0，将新 RL 算法 IPO 设为默认损失，用于解决异步 RL 中训练与推理端概率不一致的问题。
本站提供 AI 导读，完整报道请前往来源网站阅读。
阅读原文 Prime Intellect Blog · primeintellect.ai