跳到正文
热点事件持续更新

NVIDIA Research与Inferact发布REINFORCE Zero异步RL训练论文

1 篇报道1 个报道来源17 小时前更新

先了解这件事

AI 综述

NVIDIA Research 与 Inferact（Jian Hu 等）发布 REINFORCE Zero 论文，提出通过核对齐加无截断重要性采样实现稳定的异步 RL 训练。论文称该方法在策略 lag 64 下稳定完成 20,000 次更新，训练步吞吐达到核对齐后同步训练的 2.40 倍。 零失配验证覆盖 DeepSeek-V4.1-Flash（DAPO rollout 步骤在快速基线的 10% 以内）、上线首日的 Kimi K3.1，以及 AMD MI355X 上的 DeepSeek-V4-Flash 和 Kimi K3.1；论文说明这些运行仅验证了核对齐，在这些模型上的长程异步训练尚未进行。

AI 根据报道生成 · 1 小时前更新

最新进展11月6日 08:00
Zero Mismatch, Simple Async RL: REINFORCE Zero, DeepSeek-V4.1 and Kimi K3.1

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. vLLM Blog精选
    Zero Mismatch, Simple Async RL: REINFORCE Zero, DeepSeek-V4.1 and Kimi K3.1

    NVIDIA Research 与 Inferact 发布 REINFORCE Zero 论文，将对齐 kernel 后的异步 RL 稳定训练到 lag 64，训练步吞吐达同步训练的 2.40×，稳定跑满 20,000 次更新。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。