本博客文章测试了 River API，它在使用相同训练代码的强化学习运行中表现优于 Tinker…

X AI KOLs Following 工具
reinforcement-learning api open-source performance mixture-of-experts rl

摘要

River API 经过测试，在使用相同训练代码的强化学习运行中优于 Tinker，其在路由重放等细节上有所改进，并已开源且包含消融研究。

在本博客文章中，我们测试了 River API，它在使用相同训练代码的强化学习运行中优于 Tinker。我们投入了大量精力来确保像路由重放这样的细节正确，以便您使用该 API 获得最佳结果。
查看原文
查看缓存全文

缓存时间: 2026/08/18 00:27

在这篇博客文章中测试了River API，并在使用相同训练代码的强化学习运行中超越了Tinker。我们投入大量精力完善了路由重放等细节，确保您能通过该API获得最佳效果。

Ashwinee Panda (@PandaAshwinee): 现在我们可以实现大型MoE模型的零训练-推理差异强化学习！这甚至能提升性能（图中任务：训练Qwen3.6-35B-A3B玩Wordle）。所有内容均为开源，我们进行了大量消融实验。🧵

相似文章

保持 Token 流动：16 个开源 RL 库的经验教训

Hugging Face Blog

Hugging Face 发布了对 16 个开源强化学习库的全面分析，研究异步 RL 训练的架构模式，并为 TRL 的异步训练器设计经验教训，以解决生成瓶颈和权重同步挑战。