#RL训练

做 RL 训练的朋友看下，CoreWeave 这个功能把换检查点的时间砍掉约 15 倍，Nemotron 实测 BrowseComp 涨了 8 个多点。

CoreWeave@CoreWeave11 个信源在谈原文

CoreWeave 发布了 Forge，能分析智能体日志找失败原因，ARIA 还会给出改进计划，做 Agent 的朋友可以直接试试。

CoreWeave@CoreWeave原文

HuggingFace团队做的，教你怎么从SFT到RL训练智能体，比单纯看理论更实用，适合想动手的开发者。

shao__meng@shao__meng原文

Prime Intellect 出了 Verifiers v1，把RL训练环境拆成任务集、框架和运行时三块，能自由组合，还自带拦截服务器收集数据，做智能体RL的可以试试。

官方一手marktechpost@Michal Sutter原文

AWS手把手教你用SageMaker做多轮RL，从环境搭建到奖励设计都讲透了，适合想落地RL项目的朋友。

官方一手AWS Machine Learning Blog@Sapana Chaudhary原文