先了解这件事
AI 综述
Prime Intellect于2026年10月19日发布prime-rl v0.10.0与verifiers v0.4.0。据其发布信息,prime-rl新增强化学习算法IPO并设为默认,替换此前基于DPPO的默认损失。在Qwen3-235B-A22B SFT对比torchtitan的测试中,prime-rl达到1.15×加速(3732 vs 3253 tokens/s/GPU);GLM-5.3全量SFT的MFU从22.3%提升至40.1%。评测CLI从verifiers迁入prime-rl,并新增DeepSeek V4 Flash、Qwen3.8 Flash Next、Nemotron-H等模型支持。目前尚无后续独立发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
prime-rl 0.10.0 发布：训练提速、新 RL 损失 IPO 与统一评测栈事件进展
1 个已确认进展
- 来源：Prime Intellect
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19日
Prime Intellect一手
prime-rl 0.10.0 发布：训练提速、新 RL 损失 IPO 与统一评测栈
Prime Intellect 发布 prime-rl v0.10.0 与 verifiers v0.4.0，新增 RL 算法 IPO 并设为默认，替换此前基于 DPPO 的默认损失。在 Qwen3-235B-A22B SFT 对比 torchtitan 的测试中，prime-rl 达到 1.15× 加速（3732 vs 3253 tokens/s/GPU），GLM-5.3 全量 SFT 的 MFU 从 22.3% 提升至 40.1%。评测 CLI 从 verifiers 迁入 prime-rl，新增 DeepSeek V4 Flash、Qwen3.8 Flash Next、Nemotron-H 等模型支持。