miniTEレポート:ネイティブNVFP4でRLを安定かつ効率的に学習する方法
InfiX.ai、Slime、SGLangチームは、NVFP4を大規模言語モデルの強化学習に直接用いる際の不安定性を分析し、アルゴリズム面のTRIAGEと工程面のminiTEを提案した。報告では速度向上の可能性を示す一方、BF16相当の学習
InfiX.ai、Slime、SGLangチームは、NVFP4を大規模言語モデルの強化学習に直接用いる際の不安定性を分析し、アルゴリズム面のTRIAGEと工程面のminiTEを提案した。報告では速度向上の可能性を示す一方、BF16相当の学習
Miles v0.1は、フロンティア規模の強化学習(RL)トレーニングを研究者や開発者に提供するために設計されたフルスタックのプロダクションレベルシステムであり、精度・効率・信頼性・拡張性を最優先に掲げている。