热点事件持续更新
Mistral公开大规模RL训练系统设计
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月6日，Mistral研究人员Sophia Yang分享了其大规模强化学习训练系统的设计：Actor集群支持自动扩缩容与异步训练，单条rollout可达数百万token。她披露，该系统用3000张GPU每天产出约330亿token，经过滤掩码后约160亿token进入训练；并采用两阶段新方法削减off-policy漂移，以稳定长程RL训练。她称该系统在跨领域人工评测中「碾压GLM 5.3」，但报道指出该说法未附数据、未经证实。除此次分享外，暂未见更早或后续的公开报道与第三方验证。
AI 根据报道生成 · 4 小时前更新
最新进展10月6日 21:44
Mistral分享大规模RL训练系统：3000张GPU日产330亿token，称评测优于GLM 5.3但未附数据。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- AGI HuntMistral 拆解大规模 RL 训练：3000 张 GPU 日产 330 亿 token
Mistral 研究人员 Sophia Yang 分享其大规模 RL 训练系统：Actor 集群自动扩缩容、异步训练，单条 rollout 可达数百万 token。3000 张 GPU 每天产出约 330 亿 token，过滤掩码后约 160 亿进入训练，两阶段新方法削减 off-policy 漂移以稳定长程 RL。她称该系统跨领域人工评测「碾压 GLM 5.3」，未附数据、未经证实。
本事件热度走势
当前热度 9·可比范围峰值 10（10月6日 22:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。