热点事件持续更新
MoE 模型 RL 训练实现零训练推理不一致
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 14 日，AGI Hunt 报道了一项开源成果：大型 MoE 模型可以用强化学习训练，并实现训练与推理之间的零 mismatch（不一致）；报道称消除这种不一致还能切实提升性能。该成果的演示任务是用 RL 教 Qwen3.6-35B-A3B 玩 Wordle，相关工作已全部开源，同时附带多组消融实验和一条详细的技术线程。截至这篇报道，尚无更多后续进展披露。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- AGI HuntMoE 模型 RL 训练实现零训练-推理不一致，Qwen3.6-35B-A3B Wordle 演示并全套开源
一项开源成果让大型 MoE 模型可用强化学习训练，且训练与推理之间零 mismatch，消除这种不一致还能切实提升性能。演示任务是用 RL 教 Qwen3.6-35B-A3B 玩 Wordle，相关工作已全部开源，并附带多组消融实验和一条详细线程。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。