Hugging Face TRL v1.18 发布：AsyncGRPOTrainer 转正稳定
SergioPaniego · x · 2026-11-14
TRL v1.18 中 AsyncGRPOTrainer 正式转为稳定版，可直接导入使用：
python
from trl import AsyncGRPOConfig, AsyncGRPOTrainer
异步 GRPO 训练器此前处于实验阶段，转稳定意味着异步强化学习训练流程在 TRL 中已可生产使用，作者还附了相关推文串说明。
所属事件:TRL v1.18 发布，AsyncGRPOTrainer 转为稳定版(2 条相关)→
「研究」频道最新
- LMSYS 携手 NVIDIA 实测：Vera CPU 跑沙盒，agentic RL 训练单回合快 11% — ying11231 · 2026-11-14
- Judea Pearl 论战因果推断：「死亡截断」问题无需技巧，微积分即可解 — yudapearl · 2026-11-14
- 1956 年 C.R. Rao 与 Fisher 罕见合影，附 Fisher-Rao 几何公式科普 — FrnkNlsn · 2026-11-14
- 研究者质疑 Goodfire 可解释性论文：消融致 loss 升 2.9% 相当于扔掉九成算力 — RylanSchaeffer · 2026-11-14
- 潜在反馈4行代码省46%预训练算力,省的数据随模型变大而增多 — _arohan_ · 2026-11-14
- 关键图表：METR 断点后每倍增算力进展提速 1.6 倍，直通失控 RSI — sebkrier · 2026-11-14