Tencent Hunyuan ने UniRL जारी किया: एकीकृत मल्टीमॉडल रीइन्फोर्समेंट लर्निंग इन्फ्रास्ट्रक्चर
मूल शीर्षक:🚀Introducing UniRL, an RL infra for unified multimodal models. Together with two new RL algorithms:...
AI सारांश
Tencent Hunyuan ने UniRL पेश किया है, जो एकीकृत मल्टीमॉडल मॉडल का समर्थन करने वाला रीइन्फोर्समेंट लर्निंग इन्फ्रास्ट्रक्चर है, और साथ ही दो नए एल्गोरिदम DRPO और Flow-DPPO भी जारी किए हैं। UniRL एकल पोस्ट-ट्रेनिंग लूप (जनरेशन → स्कोरिंग → एडवांटेज → अपडेट → सिंक) के माध्यम से डिफ्यूज़न/फ़्लो मैचिंग मॉडल, LLM/VLM और एकीकृत मल्टीमॉडल मॉडल (जैसे Hunyuan-Image 3 और Bagel) को कवर करता है। मॉडल और एल्गोरिदम स्वतंत्र अक्षों के रूप में कार्य करते हैं, जिससे मॉडल × एल्गोरिदम का संयोजन कवरेज संभव होता है। फ्रेमवर्क प्लग-इन योग्य rollout इंजन (ट्रेनिंग साइड/SGLang/vLLM-Omni), FSDP2 शार्डिंग और तीन डिप्लॉयमेंट मोड का समर्थन करता है। FlowDPPO फ़्लो/डिफ्यूज़न मॉडल के लिए सटीक डाइवर्जेंस आधारित ट्रस्ट-रीजन पॉलिसी ऑप्टिमाइज़ेशन पेश करता है; DRPO LLM RL के लिए एक स्मूथ एडवांटेज-वेटेड क्वाड्रेटिक रेगुलराइज़ेशन विधि प्रदान करता है। कोड ओपन-सोर्स कर दिया गया है।
मुख्य जानकारी
- Tencent Hunyuan ने UniRL पेश किया है,जो एकीकृत मल्टीमॉडल मॉडल का समर्थन करने वाला रीइन्फोर्समेंट…
- जिससे मॉडल × एल्गोरिदम का संयोजन कवरेज संभव होता है। फ्रेमवर्क प्लग-इन योग्य rollout इंजन…
- DRPO LLM RL के लिए एक स्मूथ एडवांटेज-वेटेड क्वाड्रेटिक रेगुलराइज़ेशन विधि प्रदान करता है। कोड…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- स्रोत
- X:腾讯混元 (@TencentHunyuan)
- श्रेणी
- ट्यूटोरियल और टिप्स
- AI स्कोर
- 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。
संबंधित एंटिटी
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।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: Tencent Hunyuan ने UniRL जारी किया: एकीकृत मल्टीमॉडल रीइन्फोर्समेंट लर्निंग इन्फ्रास्ट्रक्चर। 9 जून 2026। https://new.nat6.net/hi/news/cmq6kwvh809eesl5irgb0uzf2/