Modal 用混合精度与混合加速器做异步 RL 训练
先了解这件事
2026年10月14日，AGI Hunt 报道 Modal 提出用完全异步 RL 训练模型，结合混合精度、混合加速器采样器与 off-policy correction，在 agentic coding 任务上训练，报道称收敛稳定且成本更低，效果与同质采样器相当。Modal 指出，固定同质、最新代加速器集群虽能保证数值稳定与吞吐，却丢弃了为其他厂商或世代所做的推理优化，限制可用容量且成本过高。同日后续报道补充实验细节：实验由 nanjiangwill 与 Modal 完成，采样器使用 MXFP8、MXFP4、NVFP4 等不同精度，或运行在不同代际、厂商的加速器上，配合 off-policy 校正即可稳定收敛，混合异构方案可显著降低成本并保持训练稳定。两篇报道结论一致，未出现数字或说法矛盾。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntModal 实验：混合精度与混合加速器跑 RL 训练更省成本且稳定收敛
nanjiangwill 与 Modal 实验表明，用不同精度（MXFP8、MXFP4、NVFP4）或不同代际、厂商加速器上的采样器执行 RL rollout，配合 off-policy 校正即可稳定收敛。Modal 称传统做法依赖固定同质、最新代加速器集群，虽保证数值稳定与吞吐，却丢弃为其他硬件做的推理优化、限制可用容量且成本高昂。混合异构方案可显著降低成本并保持训练稳定。
- AGI HuntModal 用混合精度混合加速器异步 RL 训练，成本更低且稳定收敛
Modal 用完全异步 RL 加混合精度、混合加速器采样器与 off-policy correction，在 agentic coding 任务上训练模型，收敛稳定且成本更低。其效果与同质采样器相当，整个收敛过程保持稳定。Modal 指出，固定同质、最新代加速器集群虽能保证数值稳定与吞吐，却丢弃了为其他厂商或世代做的推理优化，限制可用容量且成本过高。
本事件热度走势
当前热度 9·可比范围峰值 10（10月14日 04:00）·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。