现阶段，昇腾CANN致力于协助开发者基于NPU构建更高效的大模型强化学习训练平台，全面赋能强化学习场景深度训推优化。目前，昇腾CANN已经支持对接开源RL训练框架verl，能够适配GRPO、DAPO、PPO等多种RL训练算法。为充分释放verl在昇腾NPU集群

模型 deepseek rl deepseekr1 rl训练 2025-10-30 09:34  2

在人工智能的赛道上，参数规模的竞赛愈演愈烈，仿佛模型的智慧只能用海量的计算资源和庞大的体积来堆砌。然而，最近的风向似乎变了，一股精细化、高效率的训练哲学正在悄然兴起。

训练 模型 archer rl rl训练 2025-10-06 12:41  3

提升 Pass@k：在提高 Pass@1 的同时，QuestA 不会降低 Pass@k 性能 —— 事实上，它通过让模型在多次尝试中进行更有效的推理，从而提升了模型能力。

训练 模型 rl sota rl训练 2025-10-04 20:46  3

近期，Thinking Machines Lab (由 OpenAI 前 CTO Mira Murati 创立) 发布了一篇文章——《克服LLM推理中的不确定性》，指出问题的核心在于缺乏批次不变性(batch invariance)。

训练 开源 rl rl训练 归约 2025-09-27 11:22  4

随着DeepSeek、GPT-4o、Gemini等模型的激烈角逐，大模型“深度思考”能力的背后，强化学习（RL）无疑是那把最关键的密钥。

交大 字节 rl rl训练 交大字节 2025-09-13 16:26  6