arXiv 机器学习· Zhewei Yao, Yuxiong He·· 2 小时前AI 评分44
FlashNext-RL：千问 Qwen3.8-Flash-Next 长程智能体强化学习系统优化研究
FlashNext-RL: A System Optimization Study for Long-Horizon Agentic RL of Qwen3.8-Flash-Next
AI 导读
研究人员推出专为千问 Qwen3.8-Flash-Next 定制的强化学习训练优化框架 FlashNext-RL，结合 prime-rl 与 vLLM 实现软件工程 rollout 生成。
来源：arXiv 机器学习 · arxiv.org