专题 · FULL STORY
PufferLib 5.0 发布：一秒训练刷新 RL 纪录
Joseph Suarez 发布开源强化学习库 PufferLib 5.0，主打一秒内训练智能体、平均提速约 5 倍，随后作者盘点连刷 Craftax 与 NetHack 等基准纪录的五大亮点成果。
2026-09-14 ~ 2026-09-14 · 2 集 · 8 条
第 1 集 · PufferLib 5.0 发布：强化学习智能体一秒训练完成(2026-09-14,4 条)
Joseph Suarez 发布开源强化学习库 PufferLib 5.0，主打「一秒内训练出智能体」。相比 4.0，平均求解时间提速约 5 倍，各环境普遍 3 倍提速、部分达 10 倍，峰值吞吐超 6000 万步/秒。工程上用不到 1 万行 CUDA C 实现五层并行的 bitwise 确定性异步训练，抛弃 Python，内置 Protein 超参搜索。团队还展示了 5 项新成果，智能体可在 puffer.ai 在线试玩，实验数据托管于 Constellation 平台。
- PufferLib 5.0 发布:强化学习智能体秒级内训练完成 — jsuarez · 2026-09-14
- PufferLib 团队展示 5 项新成果,智能体可在线试玩 — jsuarez · 2026-09-14
- PufferLib 5.0 抛弃 Python:万行 CUDA C 实现五层并行确定性训练 — jsuarez · 2026-09-14
- PufferLib 5.0 训练提速 5 倍,峰值吞吐超 6000 万步/秒 — jsuarez · 2026-09-14
第 2 集 · PufferLib 5.0 连刷 Craftax 与 NetHack 强化学习纪录(2026-09-14,4 条)
PufferLib 5.0 发布多项强化学习成果：作者 jsuarez 盘点最亮眼的五个结果，包括单一策略同时完成无人机竞速与多种编队变换的多任务控制，以及在 Robocode 中通过自博弈制霸。社区测试显示其 on-policy RL 在 Craftax 上以单集总回报 162 达成约双倍 SOTA；实习生训练的智能体在 NetHack 上以随机职业拿到 19.5k 分，超此前 SOTA 五倍并击败最好的手写脚本智能体。
- PufferLib 5.0 五大强化学习成果：单策略多任务无人机与自博弈制霸 Robocode — jsuarez · 2026-09-14
- PufferLib 5.0 在 Craftax 强化学习任务达成双倍 SOTA 性能 — jsuarez · 2026-09-14
- PufferLib 5.0 强化学习超脚本智能体 5 倍，登顶 NetHack — jsuarez · 2026-09-14
- PufferLib 5.0 展示五大强化学习成果：随机职业在 NetHack 拿 19.5k 分 — j_foerst · 2026-09-14