Fireworks AI（网页）·· 13 天前AI 评分47
强化学习：为什么数值对齐与 MoE 路由对齐至关重要
Reinforcement learning: Why alignment of numerics and MoE routing matter
AI 导读
Fireworks AI 的 GLM 5.2 强化学习实验显示，训练器与 rollout 引擎未做数值对齐时，奖励在约第 20 步从约 0.9 崩至 0.2 以下，对齐后 25 步保持稳定。
来源：Fireworks AI（网页） · fireworks.ai