Together 推出后训练平台：RL 训练与推理引擎全程对齐

togethercompute · x · 2026-11-02

Together AI 发布 Together Post-Training 服务，主打「训练与生成对齐」：用户通过 Python API 自持训练循环（GRPO/PPO/自定义损失、多 LoRA 或全参数），Together 负责 GPU 容量、RL 的训练- rollout 一致性、并行设置与针对各模型调优的 rollout 引擎，保证设计的 reward 信号即模型实际所学，且行为一致延续到 FP4 推理服务。一次 RL 步即 sample() → yourreward() → forwardbackward() → optimstep() → weightssync()，SFT 去掉首尾两步；支持并行实验会话、多 LoRA 评测与 W&B 等自有追踪工具，兼容 Tinker，附 cookbook。