国内AI动态 tip

蚂蚁百灵与 ASystem 团队打通单机 Agentic RL 后训练闭环

📰 公众号：蚂蚁百灵（Ling） 📅 2026-08-14

核心亮点

蚂蚁百灵与 ASystem 团队打通单机 Agentic RL 后训练闭环。这背后的信号是蚂蚁百灵与 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机能自动完成任务的AI助手ic RL 后训练闭环。以井字棋为最小验证任务，用 GSPO 算法训练 400 步后，rollout/rewards_mean 从约 -0.5 升至 0.4，response_len 降至约 850 tokens，工具调用与动作选择趋于稳定。它揭示了前沿 AI 在落地过程中绕不开的成本与安全权衡。

具体能力或事件经过

蚂蚁百灵与 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机能自动完成任务的AI助手ic RL 后训练闭环。以井字棋为最小验证任务，用 GSPO 算法训练 400 步后，rollout/rewards_mean 从约 -0.5 升至 0.4，response_len 降至约 850 tokens，工具调用与动作选择趋于稳定这一事件表明，相关能力已经从概念验证走向可感知的产品体验，用户能在日常工作中直接感受到效率变化。

技术细节

从工程视角看，这类模型通常通过在更大规模、更高质量数据与更精细的后训练对齐上做文章来提升表现。架构层面，专家混合、更长上下文与更稳的推理链路是当下主流的优化方向，目标是在不线性堆算力的前提下把真实任务准确率拉高，让模型在长文与多轮对话里少犯低级错误。

与竞品对比

在 OpenAI、Anthropic、Google 与开源阵营的多方夹击下，模型厂商的差异化越来越靠生态与工具调用。单点 benchmark 已难分高下，谁能把能力嵌进工作流、谁有更稳的工具生态，谁才走得远。