Hugging Face 上跑大规模 Agent RL 训练：14 小时开 9523 个沙箱
vanstriendaniel · x · 2026-09-16
有团队首次在 Hugging Face Hub 上以沙箱隔离方式大规模运行多轮 Agent 的 RL 训练：14 小时内生成了 9,523 个沙箱环境，对 Qwen3-Coder-30B-A3B（30B MoE）做全参数训练，采用 FSDP2 + expert parallel，全程跑在 HF Jobs 上，无需 Slurm，零崩溃。展示了用托管算力替代传统集群跑 Agent RL 的可行路径。
「编程与Agent」频道最新
- General Reasoning 首发博客:详解如何用强化学习训练 Agent 集群协作 — rosstaylor90 · 2026-11-02
- 开发者指出:编码不再是瓶颈,使用量窗口才是 — kylegawley · 2026-11-02
- demo 通过≠可上线:让 Agent 接管业务前必答的五个问题 — _kellhus · 2026-11-02
- AI agent 通过 100 次测试，为何仍不能接管业务 — djgoel123 · 2026-11-02
- 让 Agent 全权创作:纯代码产出 1 分 44 秒动画短片《最后的园丁》 — ivegotnoidea1 · 2026-11-02
- 起床、用 Claude Code、睡觉：梗图调侃一天全靠它 — tekbog · 2026-11-02