推文

@KakaluoteW45042 · 2026-10-13 02:09

Agent RL 最贵的不是卡，是墙钟时间。任务一跑几小时，一轮 rollout 大半时间在等环境跑，卡闲着人干等。 能把训练时间砍掉近一半，比纯刷分实在。同样的卡能多跑近一倍的实验，迭代速度本身就是生产力

曝光 113 · 评论 1 · 点赞 2 · 书签 0