30步×每步2.5万rollout的异步RL训练配置曝光
willcb · x · 2026-09-22
作者分享了一个相当激进的强化学习训练配置：30个训练步、每步25,000个rollout、异步并行度4（async-4），并感叹这是一组"疯狂"的参数。
这种大规模rollout配置通常用于需要大量环境交互的agent式RL训练，反映了当前RL训练基建在异步采样上的扩展玩法。
「Infra」频道最新
- peano_ai 在 1000+ TPU 上对 310B 模型跑通全参数 RL 训练 — simonguozirui · 2026-09-22
- 应对 AI 爬虫流量：Turnstile 之外的 Cloudflare AI Labyrinth 方案 — fforres · 2026-09-22
- cHHillee:软件护城河难敌 RSI,ML 基建价值在需求聚合 — PatrickToulme · 2026-09-22
- 树莓派固件锁定原始内存容量，禁止用户换更大 RAM — ngxson · 2026-09-22
- fal 推出 H3 Max:3 秒生成 5 秒前沿级视频,全栈优化揭秘 — gorkem · 2026-09-22
- NVIDIA EPD 分离架构:图像首 Token 最快提速 5 倍 — dl_weekly · 2026-09-22