先了解这件事
AI 综述
2026年9月26日,AWS演示了在Amazon SageMaker HyperPod上使用开源强化学习框架SkyRL训练Qwen3-VL-8B视觉语言模型。该方案采用GRPO,从VisGym SFT检查点出发,在固定64个迷宫评测集上把2D迷宫导航成功率从43.75%提升到95%以上。部署上使用3台ml.g7e.12xlarge(共6张GPU)加1台ml.r5d.16xlarge头节点,vLLM与FSDP策略模型共置,LoRA适配器经Amazon FSx for Lustre同步。目前尚无后续发展事实。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：AWS Machine Learning
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。
9月26日
AWS Machine Learning一手
在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态 RL 训练
AWS 展示如何在 Amazon SageMaker HyperPod 上运行开源 RL 框架 SkyRL，用 GRPO 训练 Qwen3-VL-8B 视觉语言模型完成 2D 迷宫导航。从 VisGym SFT 检查点出发，在固定 64 个迷宫评测集上把解迷宫成功率从 43.75% 提升到 95% 以上。方案使用 3 台 ml.g7e.12xlarge（共 6 张 GPU）加 1 台 ml.r5d.16xlarge 头节点，vLLM 与 FSDP 策略模型共置，LoRA 适配器经 Amazon FSx for Lustre 同步。