跳到正文
百灵大模型· ASystem·· 2026-08-14AI 评分57

Ling-3.0-tiny × ASystem AReno 打通单机 Agentic RL 闭环

从跑起来到训起来:Ling-3.0-tiny × ASystem AReno,打通单机 Agentic RL 闭环

AI 导读

Ling-3.0-tiny 与 ASystem AReno 联合演示了基于井字棋的单机 Agentic RL 后训练路径。使用 7.9B 总参数的模型在 DGX Spark 上,经 400 步 GSPO 训练后,非法动作显著减少,单步响应长度下降至 850 tokens,验证了本地任务适配闭环的可行性。

来源:百灵大模型 · mp.weixin.qq.com