La nouvelle méthode KPop permet à Ring-2.6-1T de dépasser 76 points sur SWE-bench Verified
Titre original:From IcePop to KPop — our team keeps pushing on RL training stability for large MoE models. 👇 KPop...
Résumé IA
L'équipe présente KPop, destinée à stabiliser l'entraînement par apprentissage par renforcement d'agents pour les grands modèles MoE. Elle remplace le masquage à ratio fixe de la méthode IcePop par un mécanisme de masquage adaptatif fondé sur la divergence KL binaire, capable de s'ajuster dynamiquement selon le degré d'inadéquation entraînement-inférence au cours de l'entraînement. Cette amélioration permet au modèle Ring-2.6-1T d'atteindre plus de 76 points sur SWE-bench Verified par pur entraînement RL, sans modification de l'infrastructure ni rejeu de routage.
Points clés
- L'équipe présente KPop,destinée à stabiliser l'entraînement par apprentissage par renforcement…
- Elle remplace le masquage à ratio fixe de la méthode IcePop par un mécanisme de masquage adaptatif…
- Cette amélioration permet au modèle Ring-2.
- 6-1T d'atteindre plus de 76 points sur SWE-bench Verified par pur entraînement RL,sans…
En bref
- Publié
- Mis à jour
- Source
- X:蚂蚁百灵 (@AntLingAGI)
- Catégorie
- Articles et recherche
- Score IA
- 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。
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : La nouvelle méthode KPop permet à Ring-2.6-1T de dépasser 76 points sur SWE-bench Verified. 26. mai 2026. https://new.nat6.net/fr/news/cmpmsjd610rghsl01l5zfielj/