IXThinker·2025-06-26 22:10

淘天開源強化學習訓練框架ROLL 支持千億模型

淘天集團聯合愛橙開源強化學習訓練框架ROLL，高效支持十億到千億參數的大模型訓練，回應RLHF時代各類強化學習範式對多模塊協同的工程需求。

技術背景

隨著RLHF興起，強化學習已成為大模型後訓練的關鍵技術，不僅提升對齊能力，更拓展至推理增強、智能體交互等場景，成為當前研究與實踐的核心範式之一。