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
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。
