أعلنت Prime Intellect عن الإصدار 0.10.0 من prime‑rl إلى جانب verifiers 0.4.0. ويعتمد التحديث خسارة IPO الجديدة (تحسين السياسات من INTELLECT) افتراضيًا في التعلم المعزز غير المتزامن، بدلًا من الخسارة الأقدم القائمة على DPPO. كما يتضمن تحسينات في الأداء تجعل التدريب أسرع بما يصل إلى 1.15× على نماذج كبيرة مثل Qwen3‑235B‑A22B، ويضيف دعمًا لبنى جديدة مثل DeepSeek V4 Flash وQwen‑VL.
لماذا يهم
يمكن للباحثين تدريب نماذج لغوية كبيرة بسرعة أكبر قليلًا وباستخدام خسارة تعلم معزز أكثر استقرارًا، ما يقلل احتمال انهيار التدريب.
