术语slug: asyncgrpo

异步 GRPO

AsyncGRPO

TRL 中的异步组相对策略优化强化学习算法,用于智能体轨迹训练

收录情报动态

共 1 篇 · 第 1/1 页
Marktechpost (@Marktechpost)T2·开源与评测
78 分
Hugging Face 开源 Qwen3.8 编码 LoRA 适配器,成功率提升至 65%

Hugging Face 发布 Qwen3.8-27B-pi-adapted,这是一个针对 pi 编码智能体训练的 LoRA 适配器,将 SWE-bench Pro 通过率从 39.2% 提升至 64.7%,Terminal-Bench 2.1 从 39.5% 提升至 55.8%。其核心思路是“每个模型配一个适配器”,用 AsyncGRPO 强化学习在智能体内部直接训练,并对减少工具调用给予奖励,使解题中位轮次从 59 降至 23,token 消耗约为基座思考模式的 1/4.5。适配器采用 rank-32 LoRA、Apache-2.0 许可,可直接用于 vLLM 或作为 GGUF 适配器在 llama.cpp 中运行。