待验证50% 置信基准精确时间
Latent Space AI新闻摘要汇总的LoRA+GRPO配方：用verl训练、vLLM做rollout，在16台GB300上跑150步，把AIME-2024 mean@8从0.56提升到0.85。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
蒸馏的隐性代价：教师行为泄漏与奖励模型超越
rss2026/10/16
涉及实体
相关事实
待验证RL-Kernel团队在8块AMD MI300X上运行了200步的Qwen3-8B GRPO训练任务，结果显示Megatron训练端与vLLM rollout端之间零logprob不匹配71% 相似待验证Grok 4.5基于全新的V9基础模型，参数达到1.5万亿，是上一代V8的三倍，使用数万张英伟达GB300 GPU训练67% 相似待验证GB200 NVL72是面向超大规模AI训练和推理场景的旗舰级计算平台61% 相似待验证SupraLabs 团队发布了轻量级文生图模型 Supra2-IMG，参数量为1亿（100M），采用DiT架构从零训练，输出分辨率为256×256，并完全开源61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1044470API
curl https://kongchang.com/api/v1/knowledge/claims/1044470MCP
get_claim(id=1044470)