GRPO强化学习微调975B开源MoE模型

开发者利用 GRPO 强化学习方法，在 tinkerapi 平台上成功对名为 Inkling 的 975B 开源 MoE 模型进行了微调，推出了 PunTune-0.6。实验结果表明，该模型仅需四分之一的数据 token 即可生成冷笑话。经过 RL 微调后，模型在生成笑话的稳定性与简洁度上均获得了显著提升。

2026-07-27 ~ 2026-07-27 · 2 条相关

• 975B 开权重 Inkling 经 RL 微调后笑话更短更稳 — shizhediao · 2026-07-27
• GRPO 微调 975B 开源 MoE：四分之一 token 打出冷笑话 — simonguozirui · 2026-07-27