先了解这件事
LMSYS于2026年10月22日发布博客,介绍其使用Miles、SGLang、Megatron-LM和Harbor,在AMD Instinct MI355X上对Qwen3-30B-A3B-Instruct进行全异步智能体强化学习。在SWE-bench Verified的100任务分层子集上,pass@1从7.3%提升到27.5%。训练分两阶段:先在约4,000条Open-SWE-Traces公开轨迹上做SFT,再在约1,350个SWE-smith任务上跑GRPO。固定模型和RL配方后,推理从1个节点扩到3个8卡节点、改用E2B云沙箱并解除并发上限,rollout吞吐从约860提升到约3,480条轨迹/小时;在同一8卡节点上限制轨迹长度,则让单步训练时间从850秒降到284秒。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：LMSYS Blog
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22日
LMSYS Blog一手
LMSYS 用 Miles 在 MI355X 上训练 SWE 智能体，SWE-bench Verified…
LMSYS 用 Miles、SGLang、Megatron-LM 和 Harbor 在 AMD Instinct MI355X 上对 Qwen3-30B-A3B-Instruct 做全异步智能体强化学习，在 SWE-bench Verified 的 100 任务分层子集上把 pass@1 从 7.3% 提升到 27.5%。训练分两阶段，先在约 4,000 条 Open-SWE-Traces 公开轨迹上做 SFT，再在约 1,350 个 SWE-smith 任务上跑 GRPO。固定模型和 RL 配方后，推理从 1 个节点扩到 3 个 8 卡节点、改用 E2B 云沙箱并解除并发上限，rollout 吞吐从约 860 提升到约 3,480 条轨迹/小时；在同一 8 卡节点上限制轨迹长度则让单步训练时间从 850 秒降到 284 秒。