KPop-Methode bringt Ring-2.6-1T auf über 76 Punkte bei SWE-bench Verified
Originaltitel:From IcePop to KPop — our team keeps pushing on RL training stability for large MoE models. 👇 KPop...
KI-Zusammenfassung
Das Team stellt KPop vor, eine Methode für stabiles agentisches Reinforcement-Learning-Training großer MoE-Modelle. Sie ersetzt den festen Maskierungsanteil der früheren IcePop-Methode durch einen adaptiven Maskierungsmechanismus auf Basis der binären KL-Divergenz, der sich dynamisch an das Ausmaß der Trainings-Inferenz-Abweichung während des Trainings anpasst. Dank dieser Verbesserung erzielt das Modell Ring-2.6-1T bei SWE-bench Verified über 76 Punkte – allein durch reines RL-Training, ohne Änderungen an der Infrastruktur oder Routing-Replay.
Kernpunkte
- Das Team stellt KPop vor,eine Methode für stabiles agentisches Reinforcement-Learning-Training…
- Sie ersetzt den festen Maskierungsanteil der früheren IcePop-Methode durch einen adaptiven…
- Dank dieser Verbesserung erzielt das Modell Ring-2.
- 6-1T bei SWE-bench Verified über 76 Punkte – allein durch reines RL-Training,ohne Änderungen an…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- X:蚂蚁百灵 (@AntLingAGI)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 68
蚂蚁团队把 IcePop 升级成 KPop,从固定掩码变成自适应 KL 区域,思路很巧。Ring-2.6-1T 纯 RL 直接冲到 SWE-bench 76+,做 agentic RL 训练的同学值得翻一下博客。
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: KPop-Methode bringt Ring-2.6-1T auf über 76 Punkte bei SWE-bench Verified. 26. Mai 2026. https://new.nat6.net/de/news/cmpmsjd610rghsl01l5zfielj/