IXThinker·2025-11-12 19:00

阿里ROLL框架三路並進優化大模型強化學習

阿里巴巴ROLL團隊聯同上海交通大學、香港科技大學推出「3A」協同優化框架，從基建、算法到機理三個層面深度耦合，推動強化學習用於大語言模型的新範式。

三項核心技術

框架包含三個A：異步訓練架構、非對稱PPO與基於注意力的推理節奏。三者並非孤立堆砌，而是深度耦合，共同提升訓練效率與推理能力，令智能體在複雜任務中表現更佳。