Prime Intellect 推出 Prime Inference
Prime Intellect 推出 Prime Inference。該公司表示，該服務已為強化學習及專屬客戶部署處理了數萬億 token。
相關AI快訊
微軟研究院推出 Agent Lightning，將現有 AI Agent 接入強化學習訓練
微軟研究院推出 Agent Lightning，該工具可將現有的 AI Agent 接入強化學習訓練，無需重新構建。
Adithya S K 在 Hugging Face Hub 推出 RL Environment Explorer
該工具支援開發者探索、視覺化並運行涵蓋 OpenEnv、Harbor、MiMo、Verifiers 與 NeMo Gym 的強化學習環境，覆蓋 Hugging Face Hub 上超過 1200 萬個任務條目。
Pedro Cuenca 透過 llama.cpp 於 RTX 6000 與 M5 手提電腦跨硬件運行 MiMo 2.6 Flash
Pedro Cuenca 展示在 RTX 6000 GPU 與 M5 手提電腦之間經由 10 GbE 網絡跨硬件運行 MiMo 2.6 Flash 原生 mxfp4 權重，利用 llama.cpp 的開箱即用支援，推理速度達每秒 40 個 token。
CoreWeave 推出 Forge，串聯 Agent 追蹤、評估與無伺服器強化學習
CoreWeave 推出 CoreWeave Forge，將 Agent 追蹤、評估與無伺服器強化學習整合於單一環境。該平台提供免費入門方案，並為新帳戶提供 30 天 Pro 試用期。
小米在強化學習中引入質量核對清單評分，防止 MiMo-V2.6-Pro 投機通過測試
針對僅以通過測試為目標訓練的模型會插入未請求代碼並靜默忽略錯誤的問題，小米在強化學習中將測試結果與質量核對清單評分相乘。調整後的 MiMo-V2.6-Pro RL 在 Artificial Analysis Intelligence Index 取得 46 分，位列開放權重模型首位。