Tencent Hunyuan lance UniRL : une infrastructure d'apprentissage par renforcement multimodale unifiée
Titre original:🚀Introducing UniRL, an RL infra for unified multimodal models. Together with two new RL algorithms:...
Résumé IA
Tencent Hunyuan présente UniRL, une infrastructure d'apprentissage par renforcement prenant en charge les modèles multimodaux unifiés, et publie deux nouveaux algorithmes, DRPO et Flow-DPPO. UniRL couvre, via une seule boucle de post-entraînement (génération → notation → avantage → mise à jour → synchronisation), les modèles de diffusion/flow matching, les LLM/VLM et les modèles multimodaux unifiés (comme Hunyuan-Image 3 et Bagel). Modèles et algorithmes constituant des axes indépendants, toutes les combinaisons modèle × algorithme sont couvertes. Le framework prend en charge des moteurs de rollout enfichables (côté entraînement/SGLang/vLLM-Omni), le sharding FSDP2 et trois modes de déploiement. FlowDPPO introduit pour les modèles de flux/diffusion une optimisation de politique à région de confiance fondée sur une divergence exacte ; DRPO fournit pour le RL des LLM une méthode de régularisation quadratique à pondération d'avantage lissée. Le code est open source.
Points clés
- Tencent Hunyuan présente UniRL,une infrastructure d'apprentissage par renforcement prenant en…
- UniRL couvre,via une seule boucle de post-entraînement (génération → notation → avantage → mise à…
- Modèles et algorithmes constituant des axes indépendants,toutes les combinaisons modèle ×…
- Le framework prend en charge des moteurs de rollout enfichables (côté…
- FlowDPPO introduit pour les modèles de flux/diffusion une optimisation de politique à région de…
En bref
- Publié
- Mis à jour
- Source
- X:腾讯混元 (@TencentHunyuan)
- Catégorie
- Tutoriels et astuces
- Score IA
- 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。
Entités associées
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 : Tencent Hunyuan lance UniRL : une infrastructure d'apprentissage par renforcement multimodale unifiée. 9. juin 2026. https://new.nat6.net/fr/news/cmq6kwvh809eesl5irgb0uzf2/