Together AI 推出 Post-Training 平台:Agentic RL 训练托管服务

togethercompute · x · 2026-10-31

Together AI 发布 Together Post-Training 服务,主打 agentic RL——即在带工具调用的多轮长交互上训练模型。用户自定义环境与奖励(reward、verifier、judge),Together 负责训练与生成的基础设施。

要点:

支持工具调用、异步 rollout、自定义 sandbox(“bring your own sandbox”)
支持 GRPO、PPO 或自定义 loss,多 LoRA 或全量训练
RL 单步抽象为 sample()、yourreward()、forwardbackward()、optimstep()、weightssync(),SFT 复用同一循环去掉采样与权重同步
一次调用预留全部所需 GPU,可在同一 reservation 上开多个并行 LoRA 实验会话,支持接入 Weights & Biases 等自选追踪工具
兼容 Tinker,提供 cookbook 示例,支持多 LoRA eval 与专属端点部署

该服务定位于让开发者掌控训练循环,Together 承担 GPU 容量、训练-rollout 一致性、并行度优化等工程细节。

「Infra」频道最新