把强化学习接到 LLM Agent 应用上的训练框架,让 Agent 能在真实任务中通过 RL 持续优化策略,配置简单、扩展灵活。
用逐步分组相对策略优化(Step-wise GRPO)训练多模态大模型做推理,提升视觉语言任务上的推理能力。
…space 异步网络请求,减少初始化开销并消除水合闪烁。 3. 异步任务队列(BullMQ)失败保留策略优化:提取共享的 BullMQ 队列与 Worker 默认配置,将所有后台任务(应用删除、知识库删除、知识库同步、评测、S3 文件清理、技能创建/删除、团队删除及商业版账号注销)的失败任务保留策略统一由按时间过期改为按数量保留最新 10
…分裂完成后的查询性能,降低分裂过程中的查询性能抖动。 Barrier 日志回放性能优化 。 磁盘均衡策略优化 :优化跨机/跨 Zone 的磁盘空间均衡调度策略,减少因数据分布不均产生的空间倾斜。原有机制主要依赖日志流组内的分区组交换,在部分日志流偏多而分区偏少、存在空日志流、或不同日志流组之间分区差异较大的场景中难以实现均衡。本次优化支持
… bfloat16 kernel,进一步完善国产芯片适配并提升推理性能。 1. 训练效率提升 分布式策略优化(61 项) 通信与计算重叠:新增 p2p 通信与数据并行权重更新/重计算之间的重叠,并支持上下文并行、FlashMaskV3 场景下的通信计算重叠(5 项):[ 79709](https://github.com/PaddlePa
…插件 - 优化:前台窗口激活改用两阶段策略并恢复强制前台激活,提升窗口置顶可靠性 - 优化:服务复制策略优化,复制服务时保留原有配置 - 优化:服务切换器默认位置调整 - 优化:OCR 服务图标菜单项分组为子菜单并增加分隔符 - 优化:图片翻译译文覆盖改用矢量覆盖层即时绘制,替代超采样位图光栅化,显著降低内存峰值并优化行高 - 优化:通知
…ORPO(比值比偏好优化)— training/orpo training.py GRPO(群组相对策略优化)— training/grpo training.py DeepSpeed ZeRO-3 MoE 支持 针对 MoE 架构模型(Qwen3 MoE、Qwen3.5 MoE),在所有训练脚本中自动检测并设置 set z3 leaf
…//github.com/PaddlePaddle/Paddle/pull/74015) 2. 并行策略优化 --- 在3.1版本中,对并行策略进行了多项优化,包括新增VPP流水线的前向状态标注和空泡hook支持,修复了流水线并行的共享参数未同步问题、Sharding通信的维度冲突导致的训练hang问题以及DualPipe的event管理