9月4日消息，近日，星尘智能基座模型团队发布能异步执行的在线强化学习框架SmoothRL（Online Reinforcement Learning During Asynchronous Execution）。该框架针对的是大模型异步推理成为真实部署常态后，online RL 应从哪些动作里学习的问题。技术报告已在星尘智能官网发布。 SmoothRL要解决的问题，由异步推理与online RL ...