humans& 开源硬件原生 NVFP4 全 4-bit RL 训练配方

AI 公司 humans& 宣布开源一套硬件原生的全 4-bit RL 训练配方，基于 NVFP4 加速长时程多智能体 RL 训练。配方需要复用 NVFP4 预训练和解码技术，并尽量缩小 trainer 与 sampler 之间的数值失配。