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
- 把索引当微调模型:Weaviate 播客聊查询理解的 RAG 玩法 — CShorten30 · 2026-09-16
- Cloudflare Browser Run 上线 guardrails:限定 hostname 的安全浏览器沙箱 — ritakozlov · 2026-09-16
- Graph Engineering：把 Agent 脚本升级为状态机架构 — Pavan_Belagatti · 2026-09-16
- Benzi 代理少读 55% 代码,SWE-bench 达 78.2% 单次修复不到 1 毛 — DonkeyTheKing · 2026-09-16
- 一周连轴转差旅，Codex remote 成唯一生产力 — reach_vb · 2026-09-16
- AI 编码产出多 25%,代码重复率却飙升 81%,隐性成本浮现 — rseroter · 2026-09-16