蚂蚁百灵与 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。以井字棋为最小验证任务，用 GSPO 算法训练 400 步后，rollout/rewards_mean 从约 -0.5 升至 0.4，response_len 降至约 850 tokens，工具调用与动作选择趋于稳定。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmssf79uf05rwrod09r9ocb2w
信息源：AI HOT · 精选
- 原文链接：蚂蚁百灵与 ASystem 团队打通单机 Agentic RL 后训练闭环
- 分类：技巧观点
- 作者：公众号：蚂蚁百灵（Ling）
- 发布时间：2026/08/14 12:00
评论0