快讯事件 · 1 条来源
Quentin Gallouédec发布TRL v1.15：融合LM head默认开启，峰值显存最高降低82%
Quentin Gallouédec发布TRL v1.15，称其为迄今最大的优化。新版本默认启用融合LM head，峰值显存最高降低82%，序列长度提升至7倍；DPO从10k增至59k tokens，GRPO从29k增至115k tokens。
全部来源
前后事件
相关事件
Adithya S K重发博客：探讨RL环境中编码智能体的奖励作弊问题与防范设计
Adithya S K表示近期关于RL环境奖励作弊的讨论增多，因此重发其此前撰写的相关博客。博客涵盖编码智能体利用公共开源代码构建的环境的常见作弊方式，以及设计环境以避免这些奖励作弊的实用方法。
Fuli Luo回应ValsAI：mimoagent计划收紧运行时反作弊脚本以规避重建镜像
Fuli Luo回应ValsAI，介绍其内部RL环境采用"可作弊环境＋独立防作弊预处理脚本"的拆分设计：新作弊模式出现时只需更新脚本，代价是须搭配该脚本使用；团队计划收紧mimoagent中的运行时反作弊脚本以免重建镜像。转发者Adithya S K称其Harbor实现的Mimo RL Envs一周前也遇到同类奖励作弊问题，已于3天前修复大部分。
Hugging Face团队发布多harness强化学习指南
adithya_s_k与Hugging Face团队发布多harness强化学习指南。文章指出同一模型、同一权重在不同agent harness中得分可从33%到62%不等；发帖者称其为今年最实用的RL写作之一，且相关内容全部开放。
Georgia Channing发布Carbon-A模型与Carbon Annotation Database，发现5.66亿个新基因候选
Georgia Channing发布Carbon Annotation Database及其背后的模型Carbon-A。该模型在22,617个物种中发现5.6634亿个新基因候选，并与Active Site和UCSD合作，在猫、鸡和拟南芥等研究较充分的物种中对部分新基因完成湿实验验证。