IXThinker·2025-09-28 12:30

開源RL訓練框架登場 兩次實驗結果完全重合

強化學習訓練結果難以復現，是業界長期痛點。SGLang團隊聯合slime團隊推出開源框架，實現100%可復現的穩定RL訓練：基於Qwen3-8B的兩次重複實驗，結果完全重合。

完美重合

在基於Qwen3-8B的重複實驗中，該框架兩次運行的訓練曲線完全重合成一條，達成結果的完美重合。這為需要高精度復現的實驗場景提供了可靠保障，也令結果核對變得可信。