近日，星尘智能 基座模型团队发布能异步执行的在线强化学习框架 SmoothRL。解决的是大模型异步推理成为真实部署常态后，与之适配的online RL到底该从哪些动作里学。SmoothRL 首次将这类异步online RL放到真实高动态投掷任务中验证，进一步证明在线学习不仅能用于高精度修正，也能适配连续加速、精确释放、不能停顿的动态操作。

近日，星尘智能 基座模型团队发布能异步执行的在线强化学习框架 SmoothRL。解决的是大模型异步推理成为真实部署常态后，与之适配的online RL到底该从哪些动作里学。SmoothRL 首次将这类异步online RL放到真实高动态投掷任务中验证，进一步证明在线学习不仅能用于高精度修正，也能适配连续加速、精确释放、不能停顿的动态操作。