# انتشار prime‑rl 0.10.0 با زیان IPO و آموزش سریع‌تر

> Prime Intellect نسخه‌های prime‑rl v0.10.0 و verifiers v0.4.0 را منتشر کرده است؛ این به‌روزرسانی زیان پیش‌فرض RL را به IPO تغییر می‌دهد و سرعت آموزش را تا ۱۵٪ افزایش می‌دهد.

Oossa · 2026-10-19 · https://oossa.com/fa/prime-rl-0-10-0-adds-new-ipo-loss-and-speed-boosts

Prime Intellect نسخه 0.10.0 از prime‑rl را همراه با verifiers 0.4.0 معرفی کرد. در این به‌روزرسانی، زیان جدید IPO (بهینه‌سازی سیاست INTELLECT) به گزینه پیش‌فرض یادگیری تقویتی ناهمگام تبدیل شده و جای زیان مبتنی بر DPPO را گرفته است. این نسخه همچنین با بهبودهای عملکردی، آموزش مدل‌های بزرگی مانند Qwen3‑235B‑A22B را تا ۱٫۱۵ برابر سریع‌تر می‌کند و از معماری‌های جدیدی مانند DeepSeek V4 Flash و Qwen‑VL پشتیبانی می‌کند.

## حقایق

- نسخه‌های prime‑rl v0.10.0 و verifiers v0.4.0 منتشر شدند (تاریخ اعلام نشده)
- سرعت آموزش در مقایسه با torchtitan برای Qwen3‑235B‑A22B تا ۱٫۱۵ برابر بیشتر است

## چرا مهم است

پژوهشگران می‌توانند مدل‌های زبانی بزرگ را کمی سریع‌تر آموزش دهند و از زیان RL باثبات‌تری استفاده کنند؛ در نتیجه احتمال فروپاشی آموزش کمتر می‌شود.

## منابع و ارجاع‌ها

1. [ResearchOCT 19TH, 2026prime-rl 0.10.0: faster training, our new RL loss IPO, and one unified eval stack](https://www.primeintellect.ai/blog/prime-rl-0-10-verifiers-0-4) – Prime Intellect

آخرین به‌روزرسانی: 2026-10-19