先了解这件事
AI 综述
Nebius在基于Terminal-Bench的工作负载实验中,通过调整路由、沙箱执行和批次组装,将256条轨迹批次的固定权重收集时间缩短了66.9%。Nebius AI训练副总裁Di Jin指出,rollout生成常占训练单步的大部分时间,团队应把推理引擎当作后训练强化学习优化器的一部分,并以“可训练批次时间”而非每秒token数衡量效率。他还强调环境构建是新的数据整理工作,未被度量的策略陈旧才是问题。目前该结果由The New Stack报道,尚无后续进展。
AI 根据公开报道生成
最新进展 · 正式报道
Nebius 将 rollout 收集时间缩短 66.9%，智能体强化学习瓶颈在推理事件进展
1 个已确认进展
- 来源：The New Stack
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27日
The New Stack
Nebius 将 rollout 收集时间缩短 66.9%，智能体强化学习瓶颈在推理
Nebius 在基于 Terminal-Bench 的工作负载实验中，通过调整路由、沙箱执行和批次组装，把 256 条轨迹批次的固定权重收集时间缩短了 66.9%。Nebius AI 训练副总裁 Di Jin 指出，rollout 生成常占训练单步的大部分时间，团队应把推理引擎当作后训练 RL 优化器的一部分，并以“可训练批次时间”而非每秒 token 数衡量效率。他还强调环境构建是新的数据整理工作，未被度量的策略陈旧才是问题。