WebRL：自进化在线课程强化学习框架，提升开源大模型网络任务能力的新框架

作者：蚝油菜花发布时间：2024-11-06

清华

WebRL 是清华大学和智谱 AI 联合推出的自进化在线课程强化学习框架，通过自我进化课程学习和结果监督奖励模型（ORM）评估任务成功与否，显著提升了开源 LLM 在 WebArena-Lite 基准...【查看原文】

相关资讯

WebRL：自进化在线课程强化学习框架，提升开源大模型网络任务能力的新框架

WebRL 是清华大学和智谱 AI 联合推出的自进化在线课程强化学习框架，通过自我进化课程学习和结果监督奖励模型（ORM）评估任务成功与否，显著提升了开源 LLM 在 WebArena-Lite 基准

清华

蚝油菜花 2024-11-06

OpenRL强化学习框架，支持单智能体、多智能体训练，还可训练自然语言任务!

OpenRL 是由第四范式强化学习团队开发的基于PyTorch的强化学习研究框架，支持单智能体、多智能体、自然语言等多种任务的训练。OpenRL基于PyTorch进行开发，目标是为强化学习研究社区提供一个简单易用、灵活高效、可持续扩展的平台。目前，OpenRL支持的特性包括：简单易用且支持单智能体、多智能体训练的通用接口支持自然语言任务（如对话任务）的强化学习训练支持从 Hugging Face 上导入模型和数据支持LSTM，GRU，Transformer等模型支持多种训练加速，例如：自动混合精度训练，

第四范式 Hugging Face

OpenRL官方 2023-05-15

近期资讯

国内首套张家港制造打破国外垄断

近日，由张家港江锅智能装备公司生产的国内首套纯国产材料急冷器发运，这标致着目前乙烯装置最后一块高合金材料装备成功实现国产化。作为急冷器行业的专业制造商，江锅股份研发团队坚持开拓创新，前后历经数百次试验数据比对，最终克服了新材料运用、焊接技术、无损检测等“卡脖子”难题，设备焊缝拍片一次合格率达到100%。

央广网 2024-12-27

铭凡BD795i SE ITX主板首发2899元：搭载锐龙9 7945HX

快科技12月27日消息，铭凡推出新的ITX主板——BD795iSE，首发2899元。该款主板采用标准的170mmx170mm的ITX尺寸设计，搭载AMD的Ryzen97945HX处理器，基于Zen4架构，拥有16核心32线程，64MB的L3缓存，最高加速频率5.4GHz。

驱动之家 2024-12-27

工信部：2025年要制定出台生物制造、量子产业、具身智能、原子级制造等领域创新发展政策

全国工业和信息化工作会议26日至27日在京召开。会议强调，2025年要培育壮大新兴产业和未来产业。实施培育新兴产业打造新动能行动，推进制造业新技术新产品新场景大规模应用示范。推动智能网联汽车发展，扩大北斗应用规模。因地制宜建设低空信息基础设施。

每日经济新闻 2024-12-27

四川辰龙创佳取得拼接式盲道专利，便于将盲道表面积水排走

金融界2024年12月27日消息，国家知识产权局信息显示，四川辰龙创佳建设工程有限公司取得一项名为“一种拼接式盲道”的专利，授权公告号CN222205917U，申请日期为2024年5月。

金融界 2024-12-27

vivo Y39现身Geekbench！采用骁龙4 Gen2+8GB运存

【CNMO科技消息】vivo即将推出的全新机型Y39近日在Geekbench跑分平台上悄然现身，引起了广泛关注。据Geekbench6.3.0版本的测试结果显示，Y39的单核得分为912，多核得分则达到了2,214，这一成绩明确表明这是一款定位非高端的智能手机。

手机中国 2024-12-27

卡萨帝521升星空冰箱：补贴2000元，高端家电的性价比之选

#年货节好物集市#卡萨帝冰箱以其卓越的品质和创新技术，在高端冰箱市场中占据了重要的地位。这款BCD-521WGCTDM4WKU1型号的冰箱，以其594mm专业超薄零嵌入式设计、双系统制冷技术、一级能效标准，以及十字四开门的便捷性，成为市场上的热门选择。同时适用于储存干货与奶制品，保持食物原有的色泽、口感和营养。

小米地瓜 2024-12-27

这所幼儿园元旦活动，年味十足！

12月25，铜仁市第十二幼儿园开展了“金蛇迎春.童心贺岁”庆元旦活动，共同迎接新一年的到来。活动当天，孩子们穿着整齐漂亮的衣服，带着灿烂的笑容，早早地来到幼儿园。“今天，我吃到了自己亲手搓的汤圆，很开心，也祝大家元旦节快乐。”据了解，铜仁市第十二幼儿园是今年9月新成立的一所公办幼儿园，计划招生240人，开设8个班级，本学期开设了两个班级。

金台资讯 2024-12-27

国产大模型DeepSeek-V3一夜火爆全球，671B的MoE，训练成本仅558万美元

机器之心报道机器之心编辑部今天，一个国产大模型火遍了世界。打开X，满眼都是讨论DeepSeek-V3的推文，而其中最热门的话题之一是这个参数量高达671B的大型语言模型的预训练过程竟然只用了266.4万H800GPUHours，再加上上下文扩展与后训练的训练，总共也只有278.8H800GPUHours。

机器之心Pro 2024-12-27

小米发布澎湃OS 2重大更新，带来1+3+8升级计划第一轮新功能 OTA

小米今天发布了小米澎湃OS2的首次重大版本更新，这次更新被称为“1+3+8”升级计划的第一轮新功能OTA。据小米手机系统软件部总监张国全介绍，这次升级不仅包括了流畅度和图形技术的提升，还引入了并行景深动画、边缘横滑返回打断、小白条上滑跟随等新的用户体验优化。

中关村在线 2024-12-27

学习提效、职场赋能，华为智慧 PC 助力大家从容应对新挑战

年末的悄然而至，在职场打拼的大家，或许正面临着年终复盘与规划这一紧迫而重要的任务。在这个关键节点上，一款真正的智慧PC将是你提升职场效率不可或缺的利器。这种“智慧”并非空洞概念，而是体现在多设备协同、智慧交互、生态融合以及操作流畅等多个方面，为用户带来前所未有的丰富使用场景和高效体验。

IT之家 2024-12-27

WebRL：自进化在线课程强化学习框架，提升开源大模型网络任务能力的新框架

推荐体验

相关资讯

WebRL：自进化在线课程强化学习框架，提升开源大模型网络任务能力的新框架

OpenRL强化学习框架，支持单智能体、多智能体训练，还可训练自然语言任务!

研究人员打造即插即用型框架，将多智能体强化学习引入大语言模型

APUS李涛：未来AI大模型的演进将会采用自博弈强化学习新范式

开源的意义-深度学习框架篇

近期资讯

国内首套张家港制造打破国外垄断

铭凡BD795i SE ITX主板首发2899元：搭载锐龙9 7945HX

工信部：2025年要制定出台生物制造、量子产业、具身智能、原子级制造等领域创新发展政策

四川辰龙创佳取得拼接式盲道专利，便于将盲道表面积水排走

vivo Y39现身Geekbench！采用骁龙4 Gen2+8GB运存

卡萨帝521升星空冰箱：补贴2000元，高端家电的性价比之选

这所幼儿园元旦活动，年味十足！

国产大模型DeepSeek-V3一夜火爆全球，671B的MoE，训练成本仅558万美元

小米发布澎湃OS 2重大更新，带来1+3+8升级计划第一轮新功能 OTA

学习提效、职场赋能，华为智慧 PC 助力大家从容应对新挑战

推荐体验

AIGC重要产品

AI对话：类ChatGPT产品体验

好用的AI绘画工具

火热的AIGC产品

AIGC近期要闻

大公司发布的大模型产品都有哪些？

政府对AIGC的扶持政策

AIGC对就业的影响：我们会失业吗？

AIGC产业影响

AIGC对内容创作的影响

AIGC对绘画设计领域的影响

AIGC对各行各业的影响