Туториалы и советы

Ant Ling и команда ASystem замкнули цикл постобучения Agentic RL на одном устройстве

Оригинальный заголовок:从跑起来到训起来:Ling-3.0-tiny × ASystem AReno,打通单机 Agentic RL 闭环

ИИ-резюме

Ant Ling совместно с командой ASystem запустили замкнутый цикл постобучения Agentic RL на одном DGX Spark с помощью Ling-3.0-tiny и AReno. В качестве минимальной проверочной задачи использовались крестики-нолики: после 400 шагов обучения алгоритмом GSPO rollout/rewards_mean вырос примерно с -0.5 до 0.4, response_len снизился до примерно 850 токенов, а вызов инструментов и выбор действий стабилизировались.

Ключевые моменты

  • Ant Ling совместно с командой ASystem запустили замкнутый цикл постобучения Agentic RL на одном…
  • 0-tiny и AReno.
  • В качестве минимальной проверочной задачи использовались крестики-нолики: после 400 шагов обучения…
  • 4,response_len снизился до примерно 850 токенов,а вызов инструментов и выбор действий…

Кратко

Опубликовано
Обновлено
Источник
公众号:蚂蚁百灵(Ling)
Категория
Туториалы и советы
Оценка ИИ
62
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

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.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: Ant Ling и команда ASystem замкнули цикл постобучения Agentic RL на одном устройстве. 14 августа 2026. https://new.nat6.net/ru/news/cmssf79uf05rwrod09r9ocb2w/

Смотреть все →