Makalah & Riset

Metode baru KPop bawa Ring-2.6-1T melewati 76 poin pada SWE-bench Verified

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

Ringkasan AI

Tim memperkenalkan KPop untuk menstabilkan pelatihan reinforcement learning agen pada model MoE berskala besar. Metode ini menggantikan masking proporsi tetap pada metode IcePop sebelumnya dengan mekanisme masking adaptif berbasis divergensi KL biner, sehingga dapat menyesuaikan secara dinamis berdasarkan tingkat ketidaksesuaian pelatihan-inferensi selama proses pelatihan. Perbaikan ini membuat model Ring-2.6-1T meraih skor lebih dari 76 pada SWE-bench Verified hanya melalui pelatihan RL murni, tanpa mengubah infrastruktur atau pemutaran ulang routing.

Poin utama

  • Tim memperkenalkan KPop untuk menstabilkan pelatihan reinforcement learning agen pada model MoE…
  • Metode ini menggantikan masking proporsi tetap pada metode IcePop sebelumnya dengan mekanisme…
  • Perbaikan ini membuat model Ring-2.
  • 6-1T meraih skor lebih dari 76 pada SWE-bench Verified hanya melalui pelatihan RL murni,tanpa…

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
X:蚂蚁百灵 (@AntLingAGI)
Kategori
Makalah & Riset
Skor AI
68
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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。

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: Metode baru KPop bawa Ring-2.6-1T melewati 76 poin pada SWE-bench Verified. 26 Mei 2026. https://new.nat6.net/id/news/cmpmsjd610rghsl01l5zfielj/

Lihat semua →