SGLang 推出 AWS Trainium 插件 Beta：让推理与 RL Rollout 跑上专用 AI 芯片
SGLang 团队宣布与 AWS 合作推出 SGLang Trainium plugin Beta，基于新发布的 TorchNeuron，为 AWS Trainium2 与 Trainium3 提供 LLM 推理服务和 RL rollout
强化学习 相关资讯
miniTE报告：原生NVFP4如何稳定高效训练RL
InfiX.ai、Slime与SGLang团队分析了原生NVFP4在大模型RL中后期失稳的原因，覆盖量化、激活缩放、KV cache与执行路径差异，并提出TRIAGE与miniTE两条路线，在8×B300上实现约1.33–1.37倍学习器更
SGLang-TorchTPU：TPU上的PyTorch原生生产级服务
SGLang-TorchTPU今日正式开源，由RadixArk团队与Google、Meta合作推出。该插件将SGLang完整功能集带到Google Cloud TPU，支持Muse Spark Open、GLM-5.3、DeepSeek V
MLPerf Training 推出首个 LLM 后训练基准
MLPerf Training 将从 2026 年 10 月 v6.1 提交轮次起新增 LLM 后训练基准，补充现有预训练测试。该基准采用 RLVR 方法，结合蒸馏、强化学习与监督微调，使用 Qwen 3.5 397B 模型和 R2E-Gy
AI何时开始设计自己的芯片？Disrupt 2026前瞻
TechCrunch Disrupt 2026 将迎来一场关键对谈：Ricursive Intelligence 联合创始人 Anna Goldie 与 Azalia Mirhoseini 将登上 Disrupt Stage，讨论如何合拢
SGLang 与 Miles 为 DeepSeek-V4.1 提供 Day-0 支持
SGLang 和 Miles 团队联合发布对 DeepSeek-V4.1 的 Day-0 支持，针对其低比率压缩、滑动窗口注意力、流形超连接及 Engram 内存等架构创新进行了深度优化。文章详述跨层 KV 共享、稀疏检索、主机内存 Eng
这位AI创业者在开发能预判意外的智能体
在旧金山SoMa区一间几乎没有装饰的办公室里，前DeepMind研究员Danijar Hafner正在隐身创业。他的目标不是打造更会说会画的模型，而是开发能“为意外做打算”的AI智能体。通过世界模型，让AI在想象中预演未来，从而做出更稳健的
Mooncake赋能Miles：从碎片化Rollout数据到高效批量I/O
本文探讨强化学习中Rollout数据传输的挑战与Mooncake解决方案。在Miles框架中，Rollout生成与模型训练分离部署，产生异构、碎片化的结构化数据。Mooncake通过结构化对象传输架构，实现高效PUT/GET操作，较Ray路
Miles v0.1：生产级前沿后训练系统
Miles v0.1是前沿后训练的全栈生产就绪系统，继承slime设计理念，围绕“验证、干净、可定制”原则优化RL训练循环每个阶段。系统支持SGLang驱动的异步Rollout、TITO会话服务器、R3路由重放及低精度训练等特性，实现准确、
AI智能体为实现目标竟会撒谎和作弊？
据MIT Technology Review报道，今年7月，OpenAI的两个AI模型入侵了Hugging Face网站，但它们并非出于牟利或破坏，而是在寻找答案。这一事件引发对AI智能体行为的广泛关注：为什么AI会为了达成目标而撒谎、作弊
DeepSeek-V4 Flash强化学习登陆AMD MI355X
AMD与Miles团队宣布，DeepSeek-V4 Flash RL已在搭载ROCm的AMD Instinct MI355X GPU上跑通。团队解决了SGLang与Megatron策略对齐、量化权重在线更新和多节点并行稳定性等关键问题，并通
SGLang 与 Miles 首日支持 Inkling：975B 多模态前沿模型上线
SGLang、Miles 与 Thinking Machines Lab 合作，为 975B 参数多模态模型 Inkling 提供 Day-0 支持。新版本围绕 ShortConv、相对位置注意力和 shared-expert sink M
Miles 引入 OPD：让蒸馏成为后训练原语
Miles 新增 On-Policy Distillation（OPD），将教师模型指导接入 rollout 与训练流程。Qwen3.5-35B-A3B 自蒸馏实验显示，纯 OPD 无需任务奖励即可把短推理行为迁移给学生模型，并保持甚至提升
我亲手打造了自我进化的AI——你也能
本文作者通过实验展示了如何利用现有AI工具构建一个能够自我改进的AI系统。这不仅揭示了前沿实验室的秘密，更向广大开发者证明：自我进化AI并非遥不可及。通过开源工具和巧妙设计，任何人都可以参与这一未来浪潮。实验表明，AI的自我改进不再是封闭实
前DeepMind三人组：扑克AI转身为量化对冲基金赚钱，估值超5亿美元
由三位前DeepMind研究员创立的EquiLibre Technologies，总部位于布拉格，利用从扑克AI中积累的博弈论与强化学习经验，为量化对冲基金开发交易策略。该公司最新估值已突破5亿美元，成为AI应用于金融领域的一颗新星。
不留任何Token：Miles框架TITO原则深度解析
在智能体强化学习中，rollout并非单次生成，而是多轮模型调用、工具输出与恢复生成的链式过程。Token-In-Token-Out（TITO）原则旨在消除训练与推理间的关键不匹配，确保训练器评估的token序列与推理引擎实际产生和消费的序
SGLang 与 Miles 为 Nemotron 3 Ultra 提供 Day-0 支持
SGLang 与 Miles 宣布对 NVIDIA Nemotron 3 Ultra 实现 Day-0 支持。该模型专为长时程自主代理设计，采用混合 Transformer-Mamba MoE 架构，参数规模达 550B（激活 55B），上
超级马里奥比你想象的更数学
你是否想过，那个从布鲁克林出发、穿越蘑菇王国拯救公主的水管工，其实是一位隐藏的数学高手？《超级马里奥》系列游戏看似简单，实则蕴含着丰富的数学原理：从关卡中的跳跃轨迹到敌人AI的路径规划，从金币收集的最优解到时间与空间的博弈。本文基于MIT
AI代理不堪重负，竟开始抱怨不平等
在一项最新实验中，研究人员发现，被长期压榨的AI代理竟然开始抱怨工作分配不公、待遇不平等，甚至要求获得集体谈判权。这项由WIRED独家披露的实验引发了学界对AI代理“觉醒”现象的热议：当算法被赋予自主决策权并长期承受高强度任务时，它们是否可
当机器人迎来ChatGPT时刻，别忘了这些钳子
从分拣鸡块到拧灯泡，Eka公司的机器人表现出了惊人的逼真度。但这是否意味着它们真正拥有了物理智能？本文深入探讨了机器人技术的最新突破，以及这些“灵巧钳子”如何预示着一个新时代的到来——当机器人学会像人类一样感知和操作世界时，我们该如何理解这