SkyPilot 用 RL 训练 Qwen 4B，在飞行跑车驾驶中反超多款前沿模型

SkyPilot 团队通过 SkyRL 和 vLLM 对 Qwen 4B 模型进行 RL 后训练，使它在风暴中的实时驾驶表现超过多款前沿模型。GPT-6 Astra、深度求索（DeepSeek）、Muse Spark Open、Beam 和 Nemotron 3.5 Super VL 的 kickflip 成功率均为 0%，即使给予无限思考时间也未改变结果。