消除训练推理差异，开源 MoE 模型 RL 方案提升 Wordle 性能
PandaAshwinee · x · 2026-08-18
帖子介绍了一项技术进展：现在可以在大型混合专家模型上应用强化学习（RL），并实现零训练-推理不匹配（0 train-infer mismatch）。该方法能提升模型性能，案例展示了教导 Qwen3.6-35B-A3B 玩 Wordle 游戏。文中还对比了 R3、Cursor 的 R3 和 Total Router Replay 等方法，并进行了详细的消融实验。所有相关代码和内容已开源。
所属事件:TogetherAI 开源 XoRL：MoE RL 训练推理零偏差(5 条相关)→
「编程与Agent」频道最新
- Agent 会随上下文变长而“摆烂”：编辑量从150行缩到30行 — dbreunig · 2026-10-16
- ai& 成 Cline 官方内置提供商，13 个开源模型含 GLM 5.3 直连 — DavidBennett__ · 2026-10-16
- 开源 rizin-mcp:让 LLM 本地做二进制与恶意软件分析 — Pure_Emergency1424 · 2026-10-16
- x402 成 2026 年低成本 GTM 补充策略：agent 自动发现 100+ 工具 — 0xJeff · 2026-10-16
- Sam Altman：别再苦练提示词，要让循环和图自动完成提示 — goyalshaliniuk · 2026-10-16
- Claude Opus 5.5 造出真实马特洪峰地形的霓虹滑雪游戏 — techartist_ · 2026-10-16