Hacker News·· 2 小时前精选AI 评分78
用 RL 后训练 Qwen3-4B，在实时驾驶中飞行 Tesla Roadster 并胜过 GPT-6 Astra
Post-training 4B model with RL to fly Tesla Roadster 21% better than GPT-6 Astra
AI 导读
SkyPilot 用 RL 后训练 Qwen3-4B，使模型以 0.09 s 的响应速度实时驾驶模拟 Tesla Roadster，并在暴风环境 kickflip 中成功着陆 347 次，比拥有无限思考时间的 GPT-6 Astra 多 21%。
推荐理由
文章同时比较决策延迟与动作质量，并拆解模仿预热和 GRPO 训练配方，为实时 Agent 评测提供可复现实验路径。
来源：Hacker News · skypilot.ai