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
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.
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/