Applied Compute 发布生产环境 RL 配方，推理流量反哺训练

Applied Compute 团队指出，生产流量中蕴含大量来自高经济价值工作的真实经验，但这些数据几乎从未回流到模型训练中。为此他们公开了一套生产环境强化学习（production RL）配方，可直接从已部署模型的实际使用数据中持续学习，让模型在部署过程中不断改进，弥补部署与训练之间的数据断层。

2026-11-07 ~ 2026-11-07 · 2 条相关

• Applied Compute 推出生产环境 RL 配方，推理流量反哺训练 — ypatil125 · 2026-11-07
• Applied Compute 公开生产环境 RL 配方，让模型在部署中持续学习 — ypatil125 · 2026-11-07