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
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.
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/