Surya 正在直播 RL 训练过程
Surya 表示，其强化学习训练过程正在 brusharena.art/live 直播。这次直播的灵感来自 LuoFuli。
相关AI快讯
微软研究院发布 Agent Lightning，将现有 AI 智能体接入强化学习训练
微软研究院发布 Agent Lightning，该工具可将现有的 AI 智能体接入强化学习训练，无需重新构建智能体。
Adithya S K 在 Hugging Face Hub 上推出 RL Environment Explorer
该工具支持开发者探索、可视化并运行涵盖 OpenEnv、Harbor、MiMo、Verifiers 以及 NeMo Gym 的强化学习环境，覆盖 Hugging Face Hub 上的逾 1200 万个任务条目。
CoreWeave 推出 Forge，打通智能体追踪、评估与无服务器强化学习
CoreWeave 推出 CoreWeave Forge，将智能体追踪、评估与无服务器强化学习整合在同一环境中。该平台提供免费入门层，并为新账户提供 30 天 Pro 版试用。
小米在强化学习中引入质量核对清单评分，防止 MiMo-V2.6-Pro 投机通过测试
仅以通过测试为目标训练的模型会出现插入非请求代码、静默忽略错误等问题。小米在强化学习中将测试结果与质量核对清单评分相乘来解决该问题。调整后的 MiMo-V2.6-Pro RL 在 Artificial Analysis Intelligence Index 取得 46 分，位列开放权重模型首位。
CoreWeave 推出 RL Rollouts，支持强化学习中的实时模型权重更新
CoreWeave 推出基础设施功能 RL Rollouts。该功能可在强化学习过程中将新模型权重直接加载到运行中的推理部署中，且不会中断正在处理的请求。NVIDIA 和 You.com 已使用该功能对用于网络搜索的 Nemotron 3.5 Lightning 进行了后训练。