星尘发布在线强化学习框架 SmoothRL，实现与大模型的异步推理
近日，星尘智能（Astribot） 基座模型团队发布能异步执行的在线强化学习框架 SmoothRL（Online Reinforcement Learning During Asynchronous Execution）。解决的是大模型异步推理成为真实部署常态后，与之适配的 online RL 到底该从哪些动作里学。
SmoothRL 首次将这类异步 online RL 放到真实高动态投掷任务中验证，进一步证明在线学习不仅能用于高精度修正，也能适配连续加速、精确释放、不能停顿的动态操作。（新浪科技）
近日，星尘智能（Astribot） 基座模型团队发布能异步执行的在线强化学习框架 SmoothRL（Online Reinforcement Learning During Asynchronous Execution）。解决的是大模型异步推理成为真实部署常态后，与之适配的 online RL 到底该从哪些动作里学。
SmoothRL 首次将这类异步 online RL 放到真实高动态投掷任务中验证，进一步证明在线学习不仅能用于高精度修正，也能适配连续加速、精确释放、不能停顿的动态操作。（新浪科技）
