Prime Intellect 发布 prime-rl v0.10，IPO 算法成异步 RL 默认
misovalko · x · 2026-10-21
Prime Intellect 发布 prime-rl v0.10.0 与 verifiers v0.4.0：
- 新增自研 IPO 算法并设为默认，专为异步 RL 训练的稳定性设计（业界熟知的 DeepMind IPO 论文即此路线，故被调侃引用量将涨 1000 倍）
- 包含多项性能改进
- 新增更多模型支持
对做开源强化学习训练的团队是一个值得升级的版本。
所属事件:Prime Intellect 发布 IPO 算法并设为 prime-rl 默认，提升异步 RL 稳定性(4 条相关)→
「研究」频道最新
- Amazon论文：Harness进化收益54%是过拟合，仅少部分可泛化 — Wenxuan Ding · 2026-10-21
- Harmonic 的 Petar Veličković 将在 POPL 2027 TPSA 研讨会做主题演讲 — satnam6502 · 2026-10-21
- 合著者做解读视频：用前沿 API 合成数据微调反而不如不训 — idanbeck · 2026-10-21
- EAGLE-4 投机解码框架开源，支持 SGLang 与 vLLM — testingcatalog · 2026-10-21
- Epoch 用自家真实工作测六大前沿模型：明确任务可靠,开放任务仍无法自动化 — dl_weekly · 2026-10-21
- 自写文章被标 AI、AI 文反判人类，实测揭露检测器不可靠 — CommonExplanation711 · 2026-10-21