TogetherAI 开源 XoRL：消除训练推理误差，提升 MoE 模型 RL 性能
PandaAshwinee · x · 2026-08-18
TogetherAI 发布并开源了分布式 RL 训练框架 XoRL，通过使用 SGLang fork 版本作为推理引擎，严格对齐训练与推理的计算（包括 Kernel 层），实现了 0 训练-推理误差（bitwise-identical logprobs）。
在 Qwen3.6-35B-A3B 玩 Wordle 的任务中，消除误差将解决率从 63.9% 提升至 77.4%。文章还对比了复用 Router 权重与仅复用索引的策略，指出 0 mismatch 优于 CISPO 等缓解目标，尽管目前对吞吐量有显著影响。
所属事件:TogetherAI 开源 XoRL：MoE RL 训练推理零偏差(5 条相关)→
「Infra」频道最新
- Phison CEO 称 CXMT 内存恐慌是“市场鬼故事”，明年的问题是缺料不缺单 — BenBajarin · 2026-10-16
- Ben Bajarin：算力未来是可互换的，超大规模厂商正为工作负载自由布局 — BenBajarin · 2026-10-16
- AirLLM 逐层加载：2.8 万亿参数模型宣称跑进 4GB 显存 — Aiden_Tech_Ai · 2026-10-16
- NVIDIA 发布 cuPotential，用 AI 智能体模拟半导体材料原子交互 — tomaszbednarz · 2026-10-16
- 8 核 CPU 跑 Q4 量化模型，10 分钟单次生成太阳系交互演示 — IntrepidMindExplorer · 2026-10-16
- TokenSpeed MLA 2 发布:Kimi K3 在 Vera Rubin 解码最快提速 3.44 倍 — zhyncs42 · 2026-10-16