CoreWeave 三周 RL 后训练:BrowseComp 提升 22.9%,工具调用省三成
RichardSocher · x · 2026-10-27
CoreWeave、NVIDIA 与 You.com 用三周冲刺对开源权重模型 Nemotron 3.5 Lightning 做了面向 agentic 网页搜索的后训练,组合使用 SFT、强化学习与托管式 RL Rollouts。
- 结果:BrowseComp 准确率从 36.97% 提升到 45.45%(相对提升 22.94%),每个任务的工具调用次数减少 31.55%——答题更准的同时更省调用。
- 关键瓶颈:RL 后训练中,推理要生成 rollout、训练要更新策略、新权重还要同步到服务副本,传统重新部署会中断 rollout 生成、让加速器空等。CoreWeave RL Rollouts 基于 NVIDIA Dynamo 等服务技术,专门降低这种同步开销。
- 博客公开了 You.com 的数据与训练策略、CoreWeave 的托管基础设施细节,供团队复用到自己的后训练流程。
「Infra」频道最新
- PyTorch 实测:ExecuTorch+Arm SME2 让端侧流式语音识别提速 2.12 倍 — PyTorch · 2026-10-27
- 单 GPU 收入可随降价上升：Gavin Baker 拆解 token 价格与利润率的算术 — GavinSBaker · 2026-10-27
- Anthropic S-1 关键数字:成立以来算力支出仅 193 亿美元,算力过度建设警报 — bookwormengr · 2026-10-27
- 电网排队成 AI 工厂瓶颈,Exowatt 与 Redwood 给出储能新解法 — ingliguori · 2026-10-27
- Wasmtime 曝两个 CVSS 9.9 沙箱逃逸漏洞，其中一个仅影响 ARM64 — basedjensen · 2026-10-27
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27