快讯事件 · 1 条来源
Hugging Face 推出 RL Environment Explorer，汇集超 1200 万条强化学习任务条目
作者称 Hugging Face Hub 现有超过 1200 万条强化学习任务条目，并推出 RL Environment Explorer，可在一个平台中浏览、可视化和运行多个 RL 环境，包括 OpenEnv、Harbor、MiMo、Verifiers 和 NeMo Gym。该内容为 Hugging Face 联合创始人 Clement Delangue 的转发。
全部来源
前后事件
相关事件
Remi Fabre展示Microduck情绪功能早期设计，对比仿真与实体机器人表现
Remi Fabre表示已重新拿到Microduck机器人，得以回放情绪并对比仿真与实体的表现；其称目前仍为早期设计，还有很大提升空间。相关代码托管于pollen-robotics的microduck_emotions仓库。
OpenAI数学问题开源为RL环境，Ofir Press推测其借Lean形式化规模化构建
Adithya S K表示，OpenAI数学问题现已开源为强化学习环境。Ofir Press推测，OpenAI或为数学问题创建了大量带Lean形式化的RL环境：起初手工构建较简单的环境，待模型能自主创建环境后，再基于arXiv论文扩展问题数量。
Matthieu Lapeyre：Microduck以定制主板解决原型过热降频问题
Matthieu Lapeyre介绍，Microduck此前基于Radxa的原型存在热管理问题，运行仅20分钟就会降频并过热关机；团队通过新的定制主板解决了该问题，并让Microduck漫游以测试实际续航。ClementDelangue转发并评论"love the building in public"。
TRL v1.15发布：默认启用融合LM头，最长训练序列最高提升6.9倍
TRL v1.15发布，SFT、DPO、KTO、GRPO、RLOO和蒸馏默认启用融合LM头：通过Triton内核直接计算token级量，避免实例化巨大的[batch, seq, vocab] logits张量。以Gemma 3 1B（262k词表）为例，相同GPU下各算法最大序列长度最高提升6.9倍，8k上下文峰值显存降低52-82%，训练速度最高快约11%。发布方Lysandre表示，此优化无需额外启用，已是v1.15默认行为；该版本还包含SFT选择性激活检查点、视觉数据集assistant-only loss等更新。
Whistle语音转文字模型走红Hugging Face Hub：16.9 MB对标Whisper base，主打端侧运行
据Victor M介绍，Hugging Face Hub上的Whistle模型仅16.9 MB，语音转文字能力可对标Whisper base，适合在端侧设备上运行。该帖由ClementDelangue转发。