精选论文78

NVIDIA Research 与 Inferact 发布 REINFORCE Zero:对齐 kernel 实现稳定异步 RL

原标题:Zero Mismatch, Simple Async RL: REINFORCE Zero, DeepSeek-V4.1 and Kimi K3.1

vLLM Blog· Ao Shen (Inferact), Jian Hu (NVIDIA Research), Yan Bai (NVIDIA DevTech), Shekhar Pandey (AMD), and the REINFORCE Zero authors发布时间 (北京时间)

NVIDIA Research 与 Inferact 发布论文 REINFORCE Zero,提出先对齐 rollout 与训练 kernel、再用不裁剪的 token 级重要性采样修正权重滞后,从而稳定训练异步 RL。

推荐理由论文把异步 RL 的 rollout 与训练差距拆成权重滞后和 kernel 不一致两项,并给出对齐后免裁剪重要性采样的做法。

来源仅允许展示摘要,全文请到原文阅读。
DeepSeekNVIDIA 英伟达推理能力开源生态数据与训练论文研究#论文/研究#推理#数据/训练#开源/仓库#DeepSeek