पेपर और शोध

KPop नई विधि से Ring-2.6-1T ने SWE-bench Verified पर 76 अंक पार किए

मूल शीर्षक:From IcePop to KPop — our team keeps pushing on RL training stability for large MoE models. 👇 KPop...

AI सारांश

टीम ने KPop पेश किया, जो बड़े पैमाने के MoE मॉडलों के एआई एजेंट प्रशिक्षण को स्थिर करने के लिए है। यह पिछली IcePop विधि में निश्चित अनुपात मास्किंग के स्थान पर द्विआधारी KL डाइवर्जेंस आधारित अनुकूली मास्किंग तंत्र का उपयोग करता है, जो प्रशिक्षण के दौरान प्रशिक्षण-अनुमान असंगति के अनुसार गतिशील रूप से समायोजित होता है। इस सुधार से Ring-2.6-1T मॉडल ने बुनियादी ढाँचे में बदलाव या राउटिंग रीप्ले के बिना, केवल शुद्ध RL प्रशिक्षण से SWE-bench Verified पर 76 से अधिक अंक प्राप्त किए।

मुख्य जानकारी

  • टीम ने KPop पेश किया,जो बड़े पैमाने के MoE मॉडलों के एआई एजेंट प्रशिक्षण को स्थिर करने के लिए है।…
  • जो प्रशिक्षण के दौरान प्रशिक्षण-अनुमान असंगति के अनुसार गतिशील रूप से समायोजित होता है। इस सुधार…
  • 6-1T मॉडल ने बुनियादी ढाँचे में बदलाव या राउटिंग रीप्ले के बिना,केवल शुद्ध RL प्रशिक्षण से…

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
X:蚂蚁百灵 (@AntLingAGI)
श्रेणी
पेपर और शोध
AI स्कोर
68
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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。

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: KPop नई विधि से Ring-2.6-1T ने SWE-bench Verified पर 76 अंक पार किए। 26 मई 2026। https://new.nat6.net/hi/news/cmpmsjd610rghsl01l5zfielj/

सभी देखें →