Kimi K3.1 Pro 技术博客公开大规模跨域 RL 训练细节

Kimi K3.1 Pro 技术博客公开了后训练细节，通过增加算力实现数百个下游域的联合大规模 RL。团队优化了 RL 框架、长上下文推理、训练效率、沙箱基础设施、rollout 调度和环境质量检查平台。在内部基准 Kimi Code Bench 3.0 Long-horizon 上，K3.1 Pro 得分为 61.2%，高于 K3 的 55.95%。