Modal 实测：混合精度混合加速器采样器跑异步 RL，成本更低且收敛不掉点
Modal Blog · rss · 2026-10-13
Modal 博客报告了在 agentic coding 任务上用全异步 RL 训练模型的实践：采样器采用混合精度、混合加速器（不同 GPU 型号混用）配置。通过 off-policy correction（离策略修正），训练全程保持稳定直至收敛，效果与同构采样器相当，但成本更低。这为 RL 训练中混用新旧硬件、降低算力开销提供了可行路径。
「Infra」频道最新
- Modal 开源 Spindle：Tinker 兼容训练服务器，按 GPU 计费不再按 token 付费 — andersonbcdefg · 2026-10-23
- Intel CTO：芯片产能最多翻倍，追不上 AI 算力每年 3 倍增速 — SammaVaco · 2026-10-23
- 工程师拆解投影电视唤醒慢根因：双 Linux 板冷启动拖慢 10 秒 — banteg · 2026-10-23
- Ollama CEO 称企业级 AI 正迎来它的 PC 时刻 — ollama · 2026-10-23
- Modal 开源 Spindle：Tinker 兼容自托管训练服务器，按 GPU 计费替代按 token 计费 — josh_wills · 2026-10-23
- Aleph Alpha 拆解 RL 环境基建踩坑:GPU 停摆、磁盘爆满、沙箱崩溃被记为答错 — _ScottCondron · 2026-10-23