告別單機模型“虛胖”：百靈團隊聯合AReno打通本地智能體強化學習閉環

AI資訊AI新閒資訊正文告別單機模型“虛胖”：百靈團隊聯合AReno打通本地智能體強化學習閉環發布於AI新閒資訊時間 :Aug 14, 2026閱讀 :1分鐘模型能夠完成本地部署，並不意味著它在真實業務場景中能夠遊刃有餘。在具體的業務流程中，AI不僅需要具備基礎的對話能力，還必須精準理解複雜的規則、遵守安全邊界，並正確調用外部工具以輸出符合規範的結果。為了攻克這一痛點，螞蟻ASystem團隊聯合開源社區共同維護的本地化大模型後訓練工具包AReno，近日攜手百靈大模型推出了一條輕量級的後訓練實踐路徑，成功在單機環境中打通了Agentic RL（強化學習）閉環。

為了確保整個技術方案具備高度的可復現性，本次合作選取了規則清晰、反饋直接的井字棋作為最小驗證任務。實驗基於DGX Spark硬件環境，對擁有7.9B總參數但激活參數僅為1.3B的Ling-3.0-tiny模型展開了後訓練。在訓練初期，模型雖然能夠理解基本規則，但在交互過程中仍會出現非法動作;而通過將任務規則轉化為精確的Reward反饋機制，並藉助GSPO算法進行400個步驟的訓練後，模型的獎勵均值明顯提升，輸出長度也隨之收斂。複測結果充分證明，模型在工具調用與動作選擇上的穩定性與合理性得到了質的飛躍。

這一探索的核心價值在於驗證了一條透明、可復現的任務適配方法論:從精準發現錯誤、定義可驗證反饋，到完成本地訓練並回到同一環境進行復測。該模式不僅適用於棋類實驗，更可以流暢遷移至工具調用修復、結構化字段抽取、領域指令遵循以及業務流程智能體等多元化的真實生產場景中。目前，Ling-3.0-tiny已提供BF16、FP8和INT4等多種開源版本，開發者可通過Hugging Face或魔搭社區獲取並使用，同時也可以訪問AReno開源倉庫參與後續的代碼共建與技術討論。相關推薦百萬上下文解鎖複雜辦公!

金山辦公靈犀全量上線 DeepSeek-V4正式版雙模型金山辦公“靈犀專業版”於2026年8月14日接入DeepSeek-V4-Pro正式版，用戶無需配置，手動切換即可體驗。該模型支持100萬token超長上下文，單次最大輸出38.4萬token，基準測試較Preview全面提升，落地場景具差異化優勢。Aug 14, 202699.3k​賈樟柯新片《敦煌媽媽》備案立項：獨居母親愛上 AI，實現橫穿中國賈樟柯編劇新片《敦煌媽媽》備案立項，講述敦煌獨居母親藉助AI排解寂寞、瞭解外界，最終完成橫穿中國之旅。主演趙濤、廖凡，預計2027年上映。Aug 14, 202687.

0kOpenAI年化營收突破400億美元，7月環比暴增超20%OpenAI正加速推進今年在美上市，估值有望突破萬億美元。內部文件顯示，其年化營收已突破400億美元，較去年底翻倍增長；7月單月營收環比增長超20%，財務表現亮眼，引發資本市場高度聚焦。Aug 14, 2026140.4k三星用Claude Code加速芯片驗證：一個月項目縮短至兩天三星電子系統LSI部門將Anthropic的Claude Code引入半導體設計與驗證流程，部分芯片測試週期從一個月以上縮短至兩天，開發效率提升約15倍。該工具今年5月先向軟件開發者開放，現擴展至硬件領域。

在一項含64條複雜數據通路的定製SoC項目中，Claude Code僅用兩天便完成虛擬測試環境搭建與驗證。Aug 14, 202689.0kDeepSeek Harness v0.1開放全球測試：採用“一切皆插件”架構並開源DeepSeek Harness 開發者預覽版 v0.1 發佈並以 MIT 協議開源。其採用“一切皆插件”設計，基於 Cordis 插件系統構建 Agent Harness，模型、工具、技能、會話、沙箱、存儲、循環、調度、UI 等能力均以插件形式組合，可獨立替換與靈活重組。Cordis 元框架負責插件加載等基礎能力。Aug 14, 2026158.

3k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026