arXiv cs.LG· Zhewei Yao, Yuxiong He·· 12 天前AI 评分40
FlashNext-RL：面向 Qwen3.8-Flash-Next 长程智能体强化学习的系统优化研究
FlashNext-RL: A System Optimization Study for Long-Horizon Agentic RL of Qwen3.8-Flash-Next
AI 导读
研究者针对 Qwen3.8-Flash-Next 推出强化学习优化框架 FlashNext-RL，在单台 8xB200 节点上实现了 48 层完整模型的 BF16 训练。
来源：arXiv cs.LG · arxiv.org