字节清华联合开源 DAPO:长 CoT 强化学习训练怎么工程化
字节 Seed + 清华 AIR 开源 DAPO,把长 CoT 场景的 RL 训练基建摊开:解耦裁剪 + 动态采样,基于 verl 改造。推理团队、RL infra 从业者必看。
卡内基基金会最新报告显示,中国在 NeurIPS 等顶会论文作者的国籍统计中首次反超美国。这数字是'美国衰退'还是'中国崛起'?真相在中段。
字节 Seed + 清华 AIR 开源 DAPO,把长 CoT 场景的 RL 训练基建摊开:解耦裁剪 + 动态采样,基于 verl 改造。推理团队、RL infra 从业者必看。
阿里 Qwen Image 2.1 登顶 Hacker News 首页,143 条评论聊的不是参数,而是它能不能真的塞进 ComfyUI 工作流。
又一款「刷榜级」医疗大模型开源了。Hacker News 23 分、4 条评论——这个热度比预期冷得多。问题不在模型本身,而在开源到落地之间那道看不见的墙。
NVIDIA 新论文让两个 LLM 不再通过文本对话,直接交换键值缓存,延迟号称降一个数量级。对 Agent 流水线意味着什么?
PrismML 声称用 9 倍压缩保留了 243B 基座 99% 能力。如果验证为真,边缘部署和推理成本的玩法要被改写。
国产 RLHF 框架 OpenRLHF 已经接近 1w Stars,基于 Ray + vLLM,支持 PPO / DAPO / GRPO 与 VLM Agentic RL。本文拆解它的工程取舍、跑通实测,以及谁该装、谁别碰。
Hugo Vergnes 用不到一千美元从头训练 3.8B 模型 little-lm-3-8b,CORE 拿到 0.384。这件事最大的价值不是省钱,而是把"小模型能训到什么程度"这件事量化了。
通义系开发者 wsxiaoys 把 GPT-5.5 Pro 的推理轨迹塞进 Qwen 3.8 的 prompt 头部,后者输出风格几乎一样。不用微调、不用蒸馏。HN 90 分、35 条评论,原帖直冲首页。
GitHub 官方博客披露 Project HydraFusion,用多模型编排替代堆参数,在 Copilot 这种亿级产品里跑出 frontier 级生成效果。HN 热度不低,值得拆解——尤其是对国内做编程助手的团队。
HF 发了夏季开源模型观察,15 分登 HN 首页但评论冷清。我读了全文,挑出几个闭源厂商不想让你看的数字。
DRAFT — 草稿存在关键事实问题,需补原始素材后重写。