Tutorials & Tipps

Tencent Hunyuan veröffentlicht UniRL: Einheitliche multimodale Reinforcement-Learning-Infrastruktur

Originaltitel:🚀Introducing UniRL, an RL infra for unified multimodal models. Together with two new RL algorithms:...

KI-Zusammenfassung

Tencent Hunyuan stellt UniRL vor, eine Reinforcement-Learning-Infrastruktur für einheitliche multimodale Modelle, und veröffentlicht zwei neue Algorithmen: DRPO und Flow-DPPO. UniRL deckt mit einem einzigen Post-Training-Zyklus (Generierung → Bewertung → Vorteil → Update → Synchronisierung) Diffusions-/Flow-Matching-Modelle, LLM/VLM sowie einheitliche multimodale Modelle (wie Hunyuan-Image 3 und Bagel) ab. Modelle und Algorithmen bilden unabhängige Achsen und ermöglichen eine Kombinationsabdeckung von Modell × Algorithmus. Das Framework unterstützt austauschbare Rollout-Engines (Trainingsseite/SGLang/vLLM-Omni), FSDP2-Sharding und drei Bereitstellungsmodi. FlowDPPO führt für Flow-/Diffusionsmodelle eine Trust-Region-Policy-Optimierung auf Basis exakter Divergenz ein; DRPO bietet für LLM-RL eine geglättete, vorteilsgewichtete quadratische Regularisierungsmethode. Der Code ist Open Source.

Kernpunkte

  • Tencent Hunyuan stellt UniRL vor,eine Reinforcement-Learning-Infrastruktur für einheitliche…
  • UniRL deckt mit einem einzigen Post-Training-Zyklus (Generierung → Bewertung → Vorteil → Update →…
  • Modelle und Algorithmen bilden unabhängige Achsen und ermöglichen eine Kombinationsabdeckung von…
  • Das Framework unterstützt austauschbare Rollout-Engines…
  • FlowDPPO führt für Flow-/Diffusionsmodelle eine Trust-Region-Policy-Optimierung auf Basis exakter…

Auf einen Blick

Veröffentlicht
Aktualisiert
Quelle
X:腾讯混元 (@TencentHunyuan)
Kategorie
Tutorials & Tipps
KI-Bewertung
67
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

UniRL把扩散和LLM的强化学习塞进同一个训练循环,外加两个新算法,多模态对齐的研究者可以立刻fork代码试起来。

Verwandte Entitäten

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.

Originalartikel · AIHOT-Eintrag

Zitierhinweis

Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.

Orange News: Tencent Hunyuan veröffentlicht UniRL: Einheitliche multimodale Reinforcement-Learning-Infrastruktur. 9. Juni 2026. https://new.nat6.net/de/news/cmq6kwvh809eesl5irgb0uzf2/

Alle ansehen →