vLLM 官方博客· Ao Shen (Inferact), Jian Hu (NVIDIA Research), Yan Bai (NVIDIA DevTech), Shekhar Pandey (AMD), and the REINFORCE Zero authors·· 16 小时前精选AI 评分70
NVIDIA与Inferact发布REINFORCE Zero：内核对齐实现零偏差异步强化学习
Zero Mismatch, Simple Async RL: REINFORCE Zero, DeepSeek-V4.1 and Kimi K3.1
AI 导读
NVIDIA Research与Inferact联合发布REINFORCE Zero方法，通过内核对齐消除异步强化学习中rollout与trainer之间的数值不匹配，使无截断token级重要性采样能稳定修正权重滞后。
AI 推荐理由
原文提出通过内核对齐消除异步强化学习中的数值偏差，使无截断重要性采样在策略滞后64时仍能稳定训练并提升吞吐。
来源：vLLM 官方博客 · vllm.ai