教程与技巧

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
来源
公众号:蚂蚁百灵(Ling)
分类
教程与技巧
AI 评分
62
阅读原文 前往信息源阅读完整正文
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。

原文链接 · AIHOT 条目

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/

查看全部 →