蚂蚁百灵与 ASystem 团队打通单机 Agentic RL 后训练闭环
原文标题:从跑起来到训起来:Ling-3.0-tiny × ASystem AReno,打通单机 Agentic RL 闭环
AI 摘要
蚂蚁百灵与 ASystem 团队合作,用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。以井字棋为最小验证任务,用 GSPO 算法训练 400 步后,rollout/rewards_mean 从约 -0.5 升至 0.4,response_len 降至约 850 tokens,工具调用与动作选择趋于稳定。
关键信息
- 蚂蚁百灵与 ASystem 团队合作,用 Ling-3.
- 0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。
- 以井字棋为最小验证任务,用 GSPO 算法训练 400 步后,rollout/rewards_mean 从约 -0.
- 4,response_len 降至约 850 tokens,工具调用与动作选择趋于稳定
- 真正可复用的不是井字棋,而是把可复现错误、可验证反馈、本地训练和同环境复测串成的轻量后训练闭环,适合为本地小模型稳定工具调用和格式约束
速览
- 发布时间
- 更新时间
- 分类
- 教程与技巧
- AI 评分
- 62
推荐理由
真正可复用的不是井字棋,而是把可复现错误、可验证反馈、本地训练和同环境复测串成的轻量后训练闭环,适合为本地小模型稳定工具调用和格式约束。
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:蚂蚁百灵与 ASystem 团队打通单机 Agentic RL 后训练闭环。2026年8月14日。https://new.nat6.net/news/cmssf79uf05rwrod09r9ocb2w/