Tencent Hunyuan merilis UniRL: infrastruktur pembelajaran penguatan multimodal terpadu
Judul asli:🚀Introducing UniRL, an RL infra for unified multimodal models. Together with two new RL algorithms:...
Ringkasan AI
Tencent Hunyuan meluncurkan UniRL, infrastruktur pembelajaran penguatan yang mendukung model multimodal terpadu, dan merilis dua algoritma baru DRPO dan Flow-DPPO. UniRL melalui satu loop pasca-pelatihan (generasi→penilaian→keunggulan→pembaruan→sinkronisasi) mencakup model difusi/flow matching, LLM/VLM, dan model multimodal terpadu (seperti Hunyuan-Image 3 dan Bagel). Model dan algoritma sebagai sumbu independen dapat mewujudkan cakupan kombinasi model×algoritma. Kerangka ini mendukung mesin rollout yang dapat dipasang (sisi pelatihan/SGLang/vLLM-Omni), sharding FSDP2, dan tiga mode penerapan. FlowDPPO memperkenalkan optimasi kebijakan trust region berbasis divergensi eksak untuk model flow/difusi; DRPO menyediakan metode regularisasi kuadratik berbobot keunggulan yang halus untuk RL LLM. Kode telah dirilis sebagai sumber terbuka.
Poin utama
- Tencent Hunyuan meluncurkan UniRL,infrastruktur pembelajaran penguatan yang mendukung model…
- UniRL melalui satu loop pasca-pelatihan (generasi→penilaian→keunggulan→pembaruan→sinkronisasi)…
- Model dan algoritma sebagai sumbu independen dapat mewujudkan cakupan kombinasi model×algoritma.
- Kerangka ini mendukung mesin rollout yang dapat dipasang (sisi…
- FlowDPPO memperkenalkan optimasi kebijakan trust region berbasis divergensi eksak untuk model…
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- X:腾讯混元 (@TencentHunyuan)
- Kategori
- Tutorial & Tips
- Skor AI
- 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。
Entitas Terkait
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.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: Tencent Hunyuan merilis UniRL: infrastruktur pembelajaran penguatan multimodal terpadu. 9 Juni 2026. https://new.nat6.net/id/news/cmq6kwvh809eesl5irgb0uzf2/