跳到正文
arXiv · ML· Zhewei Yao, Yuxiong He·· 29 天前AI 评分38

FlashNext-RL:面向 Qwen3.8-Flash-Next 长程智能体强化学习的系统优化研究

FlashNext-RL: A System Optimization Study for Long-Horizon Agentic RL of Qwen3.8-Flash-Next

AI 导读

summary_zh: FlashNext-RL 框架在单台 8xB200 节点上实现 Qwen3.8-Flash-Next 全模型 BF16 训练,优化 131K 上下文下吞吐量至 4,438 tokens/s/GPU。

来源:arXiv · ML · arxiv.org