Inkling披露超大规模联合RL训练数据

Inkling 团队披露一次联合强化学习训练：使用 2,048 张 GPU 运行 9 天，处理超过 3T tokens，完成 1,075 步训练和逾 1,700 万次 rollout；Inkling 称，这是按其公开指标计算规模最大的开源 RL 运行。 此次运行消耗超过 4×10²³ FLOPs，批大小约 3B tokens，训练步数较 MiMo V2.6 多约 36 倍，展示了联合 RL 训练在长周期、大规模 rollout 和高算力消耗下的运行规模。

AI 根据报道生成 · 33 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。