Tutoriales y consejos

Tencent Hunyuan lanza UniRL: infraestructura unificada de aprendizaje por refuerzo multimodal

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

Resumen de IA

Tencent Hunyuan presenta UniRL, una infraestructura de aprendizaje por refuerzo compatible con modelos multimodales unificados, junto con dos nuevos algoritmos, DRPO y Flow-DPPO. UniRL cubre modelos de difusión y de flujo de coincidencia, LLM/VLM y modelos multimodales unificados como Hunyuan-Image 3 y Bagel mediante un único bucle de posentrenamiento (generación → puntuación → ventaja → actualización → sincronización). Modelos y algoritmos funcionan como ejes independientes, lo que permite cubrir combinaciones de modelo × algoritmo. El marco admite motores de rollout conectables (lado de entrenamiento/SGLang/vLLM-Omni), fragmentación FSDP2 y tres modos de despliegue. FlowDPPO introduce para modelos de flujo y difusión una optimización de política con región de confianza basada en divergencia exacta; DRPO ofrece a RL de LLM un método de regularización cuadrática con ponderación suave de ventajas. El código es de código abierto.

Puntos clave

  • Tencent Hunyuan presenta UniRL,una infraestructura de aprendizaje por refuerzo compatible con…
  • UniRL cubre modelos de difusión y de flujo de coincidencia,LLM/VLM y modelos multimodales…
  • Modelos y algoritmos funcionan como ejes independientes,lo que permite cubrir combinaciones de…
  • El marco admite motores de rollout conectables (lado de…
  • FlowDPPO introduce para modelos de flujo y difusión una optimización de política con región de…

Resumen rápido

Publicado
Actualizado
Fuente
X:腾讯混元 (@TencentHunyuan)
Categoría
Tutoriales y consejos
Puntuación IA
67
Leer el original Leer el artículo completo en la fuente original
Por qué importa

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。

Entidades relacionadas

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: Tencent Hunyuan lanza UniRL: infraestructura unificada de aprendizaje por refuerzo multimodal. 9. junio 2026. https://new.nat6.net/es/news/cmq6kwvh809eesl5irgb0uzf2/

Ver todo →