先了解这件事
事件摘要
还没有公开综述，先看下面的报道时间线。
最新进展 · 正式报道
Modal 研究混合精度、混合加速器采样器上的强化学习事件进展
1 个已确认进展
- 来源：Modal 官方工程博客
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月13日
Modal 官方工程博客一手
Modal 研究混合精度、混合加速器采样器上的强化学习
Modal 工程博客提出用离策略修正让 RL 采样器与训练器解耦，从而在混合精度、混合加速器上稳定训练。实验用 Miles 框架、SGLang 采样器和 Megatron-LM 训练器，在 B200 上以 BF16 训练 Qwen3.6-35B-A3B 做智能体编码任务，采样器分布在 B200、B300、H100、H200、A100 和 RTX PRO 6000 六类加速器上，分别使用 NVFP4、FP8 和 BF16 权重。加入掩码重要性采样、分数居中和 top-p 掩码回放后，混合采样器在 SWE-bench Pro V2 上与同构采样器持平，HARD-51 上 pass@4 稳定在约 65–75%，且多数训练阶段每次更新的采样成本低约 15%。