Modal 混合精度采样器：RL 采样成本降约 15%

2026 年 10 月，Modal 团队公布一项强化学习训练基础设施实证：在 Qwen3.6-35B-A3B 的全异步强化学习训练中，推理采样器无需与训练器同构，可分别跑在 B200、H100 等六种加速器上。团队据此采用混合精度配置，在同一轮训练里混用 NVFP4、FP8、BF16 三种精度。在 SWE-bench Pro V2 上的测试显示，这种混合配置与全部使用 B200 的同构运行表现基本一致；在大部分训练过程中，每次更新所需的采样成本约低 15%。该结果说明异构、混合精度的采样部署在几乎不损失效果的前提下可压缩 RL 训练中的采样开销。截至该报道，尚无其他来源对此结果作独立复现或提出不同数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。