蚂蚁集团联合清华大学发布开源强化学习训练框架 AReaL v1.0 稳定版-低调大师

蚂蚁集团联合清华大学发布开源强化学习训练框架 AReaL v1.0 稳定版

2026-03-04 3

3月4日，蚂蚁集团联合清华大学发布开源强化学习训练框架AReaL v1.0稳定版。该版本主打“Agent一键接入RL训练”：不用改代码，兼容各类Agent框架，让智能体强化学习训练开箱即用。

AReaL是首个全异步训推解耦的大模型强化学习训练系统，能让 Agent 在真实任务交互中获得反馈、持续优化决策。此次发布的v1.0版本让任意Agent零改造接入RL训练成为现实——通过在智能体与训练系统之间加入Proxy Worker中转层，开发者只需修改一个请求地址即可接入训练。

AReaL 亮点

异步强化学习：通过算法 - 系统协同设计，AReaL 支持完全异步的强化学习，实现最快训练，同时提供多轮智能体强化学习的实验支持。
开放与可复现：持续发布所有代码、数据集和 LLMs 强化学习训练方案。
可扩展性：AReaL 能够无缝适应不同的计算资源设置，从单个节点到 1K 个 GPU。
前沿性能：AReaL 能够生成在数学和编程方面具有前沿推理能力的模型。

AReaL v1.0 下载地址：https://github.com/inclusionAI/AReaL/releases/tag/v1.0.0

微信关注我们

原文链接：https://www.oschina.net/news/407566

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

谷歌发布 Gemini 3.1 Flash-Lite，主推高性价比与高效推理

谷歌正式发布Gemini 3.1 Flash-Lite，作为其Gemini系列中最新一代轻量级多模态AI模型。该模型专为高吞吐、低复杂度任务设计，在成本与速度上显著优化：输入价格为每百万token 0.25美元，输出为1.50美元，远低于Gemini 3.1 Pro。性能方面，Gemini 3.1 Flash-Lite在内部测试中较前代Gemini 2.5 Flash提速45%，首token响应时间缩短至2.5倍更快。其支持最多100万token的上下文输入，可生成长达64,000 token的文本，包括可执行代码，适用于生成BI仪表盘等可视化资产。在11项基准测试中，该模型在6项中表现最优，超越GPT-5 mini与Claude 4.5 Haiku，并在博士级科学问答集GPAQ Diamond中取得领先。尽管在高难度HLA基准上得分为16%（Gemini 3.1 Pro为44.4%），其定位明确聚焦于翻译、内容审核、原型生成等高并发场景。目前，Gemini 3.1 Flash-Lite已在Google Cloud Vertex AI平台开放预览，并集成于Google AI St...

2026-03-04

2

OpenAI宣布推出GPT-5.3 Instant模型，面向所有ChatGPT用户开放。此次更新聚焦提升日常交互的实用性与流畅度，显著减少冗余免责声明、机械化回复及说教式语气，使对话更自然、直接。新模型大幅优化拒答逻辑，在确保安全的前提下，避免对可回答问题过度回避。同时，联网搜索能力得到增强：整合信息更精准，背景解析更深入，有效解决此前“链接堆砌”或内容松散的问题，优先呈现核心答案。在事实准确性方面，GPT-5.3 Instant在高风险领域（如医疗、法律）的幻觉率降低19.7%至26.8%；写作表达亦更具细节与情感张力，能通过具象描写传递深层共鸣。此外，GPT‑5.3 Instant 还优化了联网搜索结果的整合质量，让基于网页信息的回答更加可靠。模型现在能更有效地平衡搜索结果与自身知识储备及逻辑推理。例如，它不再是简单地罗列并汇总搜索信息，而是能够利用既有的认知图谱为近期资讯提供深度背景解析。从更广泛的层面来看，GPT‑5.3 Instant 降低了对联网搜索结果的过度依赖，解决了此前偶尔出现的“链接堆砌”或信息松散的问题。它现在能更精准地洞察问题的潜台词，并在回答开头即优先...

2026-03-04

4

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。