論文・研究

KPopの新手法によりRing-2.6-1TがSWE-bench Verifiedで76点を突破

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

AI 要約

チームは、大規模MoEモデルのエージェント強化学習トレーニングを安定させるKPopを発表した。これは、以前のIcePop手法における固定比率マスクを、二元KLダイバージェンスに基づく適応型マスク機構に置き換え、トレーニング過程におけるトレーニングと推論の不一致の程度に応じて動的に調整できる。この改善により、Ring-2.6-1Tモデルはインフラの変更やルーティングの再生なしに、純粋なRLトレーニングのみでSWE-bench Verifiedにおいて76点を超える成績を達成した。

要点

  • チームは、大規模MoEモデルのエージェント強化学習トレーニングを安定させるKPopを発表した。
  • これは、以前のIcePop手法における固定比率マスクを、二元KLダイバージェンスに基づく適応型マスク機構に置き換え、トレーニング過程におけるトレーニングと推論の不一致の程度に応じて動的に調整できる。
  • この改善により、Ring-2.
  • 6-1Tモデルはインフラの変更やルーティングの再生なしに、純粋なRLトレーニングのみでSWE-bench Verifiedにおいて76点を超える成績を達成した

概要

公開日時
更新日時
出典
X:蚂蚁百灵 (@AntLingAGI)
カテゴリ
論文・研究
AI スコア
68
原文を読む 情報源で全文を読む
おすすめの理由

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。

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:KPopの新手法によりRing-2.6-1TがSWE-bench Verifiedで76点を突破。2026年5月26日。https://new.nat6.net/ja/news/cmpmsjd610rghsl01l5zfielj/

すべて見る →