Новый метод KPop позволил Ring-2.6-1T превысить 76 баллов на SWE-bench Verified
Оригинальный заголовок:From IcePop to KPop — our team keeps pushing on RL training stability for large MoE models. 👇 KPop...
ИИ-резюме
Команда представила KPop для стабильного обучения с подкреплением агентов крупномасштабных MoE-моделей. Он заменяет фиксированное пропорциональное маскирование прежнего метода IcePop адаптивным механизмом маскирования на основе бинарной KL-дивергенции, динамически подстраиваясь под степень несоответствия обучения и инференса в процессе. Благодаря этому улучшению модель Ring-2.6-1T без изменения инфраструктуры или воспроизведения маршрутизации только за счёт чистого RL-обучения достигла более 76 баллов на SWE-bench Verified.
Ключевые моменты
- Команда представила KPop для стабильного обучения с подкреплением агентов крупномасштабных…
- Он заменяет фиксированное пропорциональное маскирование прежнего метода IcePop адаптивным…
- Благодаря этому улучшению модель Ring-2.
- 6-1T без изменения инфраструктуры или воспроизведения маршрутизации только за счёт чистого…
Кратко
- Опубликовано
- Обновлено
- Источник
- X:蚂蚁百灵 (@AntLingAGI)
- Категория
- Статьи и исследования
- Оценка ИИ
- 68
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。
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: Новый метод KPop позволил Ring-2.6-1T превысить 76 баллов на SWE-bench Verified. 26 мая 2026. https://new.nat6.net/ru/news/cmpmsjd610rghsl01l5zfielj/