Membuka latihan pembelajaran pengukuhan ejen GPT-OSS: satu tinjauan amalan
Tajuk asal:Unlocking Agentic RL Training for GPT-OSS: A Practical Retrospective
Ringkasan AI
Pasukan LinkedIn meneroka kebolehlaksanaan menggunakan model GPT-OSS sebagai teras aplikasi ejen untuk pembelajaran pengukuhan. Eksperimen mendapati bahawa seni bina campuran pakar yang digunakan oleh GPT-OSS mungkin menghasilkan perbezaan penghalaan dalam dua penyebaran ke hadapan, menyebabkan nisbah pensampelan kepentingan menyimpang, pencapahan KL meletup dan ganjaran tidak meningkat dalam latihan PPO atas dasar polisi yang sama. Pasukan itu melalui satu pembaikan penting — memaksa logaritma kebarangkalian lama ditetapkan kepada nilai yang baru dikira (dan mengasingkan kecerunan) di bawah keadaan polisi yang sama — memastikan nisbah pensampelan kepentingan ialah 1, sekali gus memulihkan integriti latihan PPO atas dasar polisi yang sama. Penyelesaian pembaikan ini sesuai untuk model GPT-OSS-20B dan GPT-OSS-120B.
Maklumat penting
- Pasukan LinkedIn meneroka kebolehlaksanaan menggunakan model GPT-OSS sebagai teras aplikasi ejen…
- Eksperimen mendapati bahawa seni bina campuran pakar yang digunakan oleh GPT-OSS mungkin…
- Pasukan itu melalui satu pembaikan penting — memaksa logaritma kebarangkalian lama ditetapkan…
- Penyelesaian pembaikan ini sesuai untuk model GPT-OSS-20B dan GPT-OSS-120B.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- Hugging Face 社区博客(混合发现)
- Kategori
- Lain-lain
- Skor AI
- 83
为MoE模型RL训练提供实用调试方案,提升代理AI开发效率。
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Membuka latihan pembelajaran pengukuhan ejen GPT-OSS: satu tinjauan amalan. 27 Januari 2026. https://new.nat6.net/ms/news/cmoegbhak009rslxxdj1fo3aa/