humans& 开源硬件原生 NVFP4 全 4-bit RL 训练配方
gharik · x · 2026-11-14
AI 公司 humans& 宣布开源一套硬件原生的 4-bit RL 训练配方，可显著加速训练。公司的研究路线是让模型从与人类互动的长期影响中学习，因此必须优先做长时程多智能体 RL。
作者补充了技术细节：做全 4-bit RL（基于 NVFP4）有许多有趣的挑战——需要复用整条技术栈的经验，同时借鉴 NVFP4 预训练和解码技术，并尽量缩小 trainer 与 sampler 之间的数值失配。
「Infra」频道最新
- OSINT 分析：全美空管瘫痪元凶是长距通信网，雷达 GPS 均正常 — eigenrobot · 2026-11-14
- Airtel 董事长盛赞 Starlink V3：单次发射 1Tbps 挑战物理极限 — elonmusk · 2026-11-14
- 开发者因 Cloudflare 的 MCP 体验全面迁移域名、存储与邮件服务 — ritakozlov · 2026-11-14
- Brave Leo 用 TEE 实现可验证加密推理，直指 ZDR 只是空头承诺 — gnukeith · 2026-11-14
- 实测 2050 亿 token 账单：缓存读取占 97% 用量、缓存写入吞三成成本 — Nitjsefnie · 2026-11-14
- Cloudflare workerd 集群落地 KV、Queues 与 Workflows，首发版本临近 — irvinebroque · 2026-11-14