Industry & Practice · Tagged “后训练”

Research & Benchmarks/2026-08-14/8 min

井字棋只证明闭环：蚂蚁用同一环境复测 Agentic RL

蚂蚁用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑井字棋 Agentic RL：基线、Reward、GSPO 400 step、同环境复测。rewards_mean 约从 -0.5 到 0.4，response_len 约 850。原文写明这不是通用能力提升。