you.com 搜索进 RL 循环训练 Nemotron,BrowseComp 升至 45.45%
PolarBearby · x · 2026-10-07
you.com 与 NVIDIA、CoreWeave 合作，把 you.com 的网络搜索能力放进开放权重模型 Nemotron 3.5 Lightning 的强化学习训练循环中，用于后训练其网络搜索能力。
关键结果：
- BrowseComp 准确率从 36.97% 提升至 45.45%
- 工具调用次数减少 约 30%，即模型更聪明、搜索更少
技术背景：CoreWeave 的 RL Rollouts 让新权重可以热加载到在线部署中而无需重新部署（比传统 redeploy 快约 15 倍），使「推理嵌入训练循环」的 RL 后训练流程大幅提速。这展示了用外部搜索工具在 RL 中训练开放权重模型的完整基础设施路径。
「Infra」频道最新
- 开发者发布纯 Vulkan 本地生成应用，一键下载模型即生成 — ogimaru · 2026-10-07
- AMD 发布 ROCm 10.1：主打存储到 GPU 数据搬运瓶颈优化 — AccBalanced · 2026-10-07
- 从比特币矿场到吉瓦级 AI 园区：Crusoe 的算力进化路径 — AccBalanced · 2026-10-07
- Intel CEO 确认继续与马斯克合作 Terafab 冲刺尖端芯片制造 — SumitGup · 2026-10-07
- 马斯克放话:每新增 5GW 用电,美国 GDP 约增 1% — XFreeze · 2026-10-07
- Rust 深度学习框架 Burn 0.22 发布,模型重建提速 6-15 倍 — JosephJacks_ · 2026-10-07