IXThinker·2025-06-06 15:50

清華螞蟻開源全異步RL 14B擊穿SOTA

繼DeepSeek-R1系列點燃社區對強化學習的熱情後，清華大學與螞蟻集團聯合開源AReaL-boba²，實現全異步RL訓練系統，令GPU不再摸魚，14B模型在多個代碼基準擊穿SOTA。

為何要全異步

傳統RL訓練中，模型生成與訓練流程相互等待，GPU常常空轉。AReaL-boba²實現全異步強化學習訓練系統，有效解耦生成與訓練流程，大幅提升資源利用率，令硬件不再摸魚。