Prime Intellect hat prime‑rl Version 0.10.0 zusammen mit verifiers 0.4.0 angekündigt. Mit dem Update wird die neue IPO-Loss-Funktion (INTELLECT Policy Optimization) zum Standard für asynchrones Reinforcement Learning und ersetzt die ältere, auf DPPO basierende Loss-Funktion. Außerdem sorgen Leistungsverbesserungen dafür, dass das Training großer Modelle wie Qwen3‑235B‑A22B bis zu 1.15× schneller läuft. Hinzu kommt die Unterstützung neuer Architekturen wie DeepSeek V4 Flash und Qwen‑VL.
Warum es wichtig ist
Forschende können große Sprachmodelle etwas schneller und mit einer stabileren RL-Loss-Funktion trainieren. Dadurch sinkt das Risiko, dass das Training zusammenbricht.
