蚂蚁百灵用 Ling-3.0-tiny 与 AReno 打通单机 Agentic RL 闭环
蚂蚁百灵发布实践文章,介绍在 DGX Spark 上用本地后训练工具包 AReno 对 Ling-3.0-tiny 做 Agentic RL,以井字棋为最小验证任务跑通基线评测、Reward 定义、后训练与同环境复测四步闭环。实验使用 GSPO 训练 400 个 step,rollout/rewards_mean 从约 -0.5 升到 0.4 左右,response_len 降至约 850 tokens,复测中工具调用与落子选择更稳定。Ling-3.0-tiny 为 7.9B 总参数、1.3B 激活参数的混合推理模型,已开源 BF16、FP8 和 INT4 版本,AReno 提供 Docker 复现教程。

下来,AReno 还会持续补充更多面向小模型、Agentic RL、开发者实践和高校教学的案例,帮助开发者从更小、更直观的任务出发,逐步把后训练方法迁移到自己的真实场景中。 07 欢迎下载使用 Tiny,也欢迎参与贡献 AReno Ling-3.0-tiny 已正式开源,提供 BF16、FP8 和 INT4 版本。欢迎根据自己的设备与任务需求下载使用: 🤗 Hugging Face 也欢迎访问 AReno GitHub 仓库(https://github.com/inclusionAI/AReno),复现这次 Spark 后训练实验,提交 Issue、参与讨论,或者贡献 Tiny 个性化训练 Case。 如果你对以下方向感兴趣,欢迎参与 AReno 开源社区: 模型进入本地只是第一步,能否根据业务反馈持续适配,才决定它能否真正进入流程。 Ling-3.0-tiny × ASystem AReno 此次验证的,不是一个已经完成的行业解决方案,而是一条轻量、透明、可复现的任务适配路径:从跑起来,到训起来,再到回到任务中验证是否真的变好。 我们希望开放的不只是模型权重和训练工具,更是一种可被
匹配字段正文


