騰訊混元把經典臨界批大小理論搬進大模型強化學習，PPO生成吞吐最高拉到2.29倍、GRPO省下29%訓練時間
AI資訊AI新聞資訊正文騰訊混元把經典臨界批大小理論搬進大模型強化學習，PPO生成吞吐最高拉到2.29倍、GRPO省下29%訓練時間發佈於AI新聞資訊發佈時間 :2026年9月24號 13:57閱讀 :1分鐘大模型強化學習正奔向更大的GPU集群和更厚的訓練數據，訓練效率已從一個配角升格為頭等大事。騰訊混元團隊最新研究把目光投向了一個被忽視已久的老問題:當模型自己生成訓練數據、且rollout生成與訓練本身以不同節奏縮放時，批大小這門手藝該怎麼重做。研究從經典的臨界批大小理論出發，把它重新推演到在線大語言模型強化學習這個新場景。
結論很務實:在GRPO和PPO這兩類主流算法裡，只要在擴大批大小的有界範圍內重新調一調學習率，就能保住"每條響應"該學到的東西不被稀釋。也就是說，批大小不是越大越好、也不是一成不變，而是存在一個能調教清楚的甜蜜區間。落到實打實的硬件賬單上，收益相當醒目。在固定硬件配置下，把批大小往上擴，PPO生成階段的吞吐量最高提升2.29倍;而測量到的最佳GRPO配置，用比此前少29%的時間就跑到了同一個驗證目標。對天天燒卡的訓練團隊來說，這意味著同樣一張集群、同樣一個目標，要麼更快地交卷，要麼在單位時間裡吞吐更多——強化學習裡最貴的那部分生成開銷，被悄悄擠出了水分。
這項研究的意義在於，它給在線RL的規模化提供了一把可操作的旋鈕:模型在強化學習裡既是學生也是出題人，生成與訓練兩條流水線的縮放失配正是效率黑洞的源頭，而臨界批大小加學習率重調的組合，恰好補上了這道縫隙。當行業還在比誰的模型更大，騰訊混元先把刀磨向了怎麼讓已有的卡跑得更划算。相關推薦Hy Image3.5preview 登陸 WorkRally，影視創作者免費試用兩週騰訊混元發佈 Hy Image3.5preview，騰訊視頻工業級 AI 平臺 WorkRally 首發接入，兩週內向創作者免費開放，用於劇集分鏡、影視物料、角色場景設定等。
該平臺覆蓋劇本解析、分鏡生成、內容生產到資產協作全鏈路，具備專家級 Agent 與 S+ 級影視動漫技能庫。2026年9月24號 10:20152.6k阿里試水QwenBook AI設備，團隊規模約150人阿里雲無影團隊正研發AI設備QwenBook，定位原生智能體電腦，形態接近“千問平板”，尚處早期試水，主打辦公場景，接入Qwen3.8-Max和Flash模型。產品定義與硬件自研，融合無影雲電腦系統及端雲能力，團隊約150人。2026年9月22號 16:01215.4k騰訊混元圖像3.5來了:畫字更準、修圖更強、一張2K圖只要一毛五9月22日，騰訊混元發佈圖像3.
5預覽版，畫質、排版、修圖等核心能力全面升級，使用成本大幅降低，主打“便宜又好用”。官方稱整體能力較上代提升約30%，文字生成更精準，避免缺筆少畫；排版更能理解畫面佈局需求；修圖能力同步增強。2026年9月22號 10:47237.9k上海AI Lab與上交大拋出NCP預訓練新範式，8.9B隱空間模型用一半Token追平對手上海AI實驗室與上海交大LUMIA Lab提出新預訓練任務“下一個概念預測”（NCP），推出全球首個8.9B離散隱空間基座模型NCP-ArchPreview。該模型僅用51.3%的Token預算，就在5.
73T語料上追平OLMo-3-7B最終預訓練Loss，顯著提升訓練效率。2026年9月22號 10:39167.6k雙節前後 10 多款大模型蓄勢待發：GPT-6 全系、Opus 5.2、V4.1 Pro 領銜中秋國慶雙節前後，國內外至少十餘款大模型將密集發佈。國外方面，OpenAI月底開發者大會前，重磅產品延期至下週，將補齊GPT-6全系：Sol、Terra、Luna，與已發佈的Astra形成完整矩陣；Anthropic則被指跳過5.1版本。美國廠商雖無節前發佈習慣，但此次節點巧合，或掀新一輪AI競賽。2026年9月20號 16:07226.
8k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
Related
相關文章
Buoyant Releases Kinference: An Open Source Inference Control Plane for Kubernetes and vLLM
Buoyant, the company behind Linkerd, has released Kinference, an open source project for building inference platforms on Kubernetes. Kinference is an inference control plane for Kubernetes and vLLM.
百圖生科與11傢伙伴戰略合作，AI生物計算覆蓋醫藥研發及農業育種
活動焦點：· 百圖生科主辦、港投公司支持的第三屆峰會2026年11月6日開幕，匯聚約300名科研、產業及投資界代表，探討人工智能與生命科學的融合發展· 百圖生科InnoHub分別與大學、科企及投資機構合作，以AI生物計算聚焦乳癌及中醫藥研究、農業育種、研發與產業配套，包括與香港大學推進「乳腺癌虛擬細胞大模型」項目，以及與香港浸會大學籌建「AI中醫藥聯合實驗室」；合作網絡延伸至日本、新加坡及「一帶一路」沿線市場· 全日設多場院士演講及圓桌。
本期AI資訊彙總2026年11月7日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態
導航SecureDoc // EncryptionActive本期AI資訊彙總2026年11月7日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態。
螞蟻百靈推出原生多模態模型
螞蟻百靈發佈 Ling 3.2 Flash：三項核心基準超越 Claude Opus 5，前兩週限時免費開放AIbase基地發佈於AI新聞資訊 · 1 分鐘閱讀 · Nov 6, 20266811月6日消息，螞蟻百靈官方團隊今日正式宣佈推出全新的原生多模態大模型——Ling-3.
圖龍鋒報告漏洞復現率99.4%
99.4%登頂全球第一！這個中國AI師承世界冠軍 一水 2026-11-06 13:01:47 來源：量子位 一舉刷新「AI安全世界盃」CyberGym世界紀錄 一水 發自 凹非寺 量子位 | 公眾號QbitAI 99.4%，全球第一。 好傢伙，硅谷那幾家天天站在聚光燈下大談AI安全，誰承想呢？ 如今刷新AI安全世界紀錄的，是一箇中國AI系統。
可複用原語提高智能體任務完成數
Computer Science > Computation and Language arXiv:2611.07461 (cs) [Submitted on 5 Nov 2026] Title:The Last Mile to the Real World: Agent-Native Primitives as Reusable Building Blocks for Solving Real-World Tasks Authors。