蚂蚁百灵与 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。以井字棋为最小验证任务，用 GSPO 算法训练 400 步后，rollout/rewards_mean 从约 -0.5 升至 0.4，response_len 降至约 850 tokens，工具调用与动作选择趋于稳定。
信息来源：公众号：蚂蚁百灵（Ling）
转载请注明出处：https://www.ysthink.site/4735/
蚂蚁百灵与 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。以井字棋为最小验证任务，用 GSPO 算法训练 400 步后，rollout/rewards_mean 从约 -0.5 升至 0.4，response_len 降至约 850 tokens，工具调用与动作选择趋于稳定。
赞 (0)
2026年夏季开源模型生态观察：中国前沿模型规模领先，AMD与NVIDIA主导发布量
上一页
2026年8月14日
DeepSeek V4 Pro 登陆硅基流动，1M 上下文
下一页
2026年8月14日
相关推荐
-
Google DeepMind 发布实时交互世界模型 Genie 4
Google DeepMind 发布世界模型 Genie 4，主打实时交互模拟、更强照片级真实感，并首次在实时世界模型中原生生成音频，包括环境声和可实时交互的人物对话。
-
OpenAI 详解如何监控前沿模型的失对齐行为
OpenAI 在 Alignment 博客介绍其针对前沿模型（如 GPT-6 Astra）的多层失对齐监控系统，覆盖训练、评估、内部使用和部分外部部署。
-
Suno v6 发布，支持图片、视频和语音备忘录生成音乐
Suno 发布 v6 模型，可将图片、视频和语音备忘录转化为音乐，并对已创建的歌曲进行精确修改。同时提供 v6-wild 版本供探索更多可能性，官方附有 2 分钟以内的功能演示视频。
-
GPT-Live实时音频新架构发布
GPT-Live 是一种用于实时音频的新架构和栈：
GPT-Live 可以在说话的同时聆听。
为了让这种体验在 ChatGPT 规模下显得自然，我们从客户端到模型重建了语音栈。
这一新架构让音频持续流动，因此更深入的推理和工具使用不会打断对话。
-
OpenAI 发布 GPT-6.1 Sol，主打智能体编码与跨应用工作流
OpenAI 发布 GPT-6.1 Sol，称其在编码、computer use 和跨应用工作流中表现强劲，价格低于 GPT-6 Astra。引用内容提到其面向复杂重构、深度代码库调查和长时间运行的智能体，缓存输入享有较标准输入定价 95% 的折扣，并附文档链接 https://developers.openai.com/api/docs/models/gpt-6.1-sol。