Tutorial & Tips

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
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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.

Tautan asli · Entri AIHOT

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/

Lihat semua →