# prime-rl 0.10.0、新たなIPO損失関数と最大15％の高速化

> Prime Intellectがprime-rl v0.10.0とverifiers v0.4.0を公開。非同期強化学習のデフォルト損失関数にIPOを採用し、学習速度も最大15％向上した。

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

Prime Intellectはprime-rl 0.10.0とverifiers 0.4.0を発表した。今回の更新では、非同期強化学習のデフォルト損失関数が、従来のDPPOベースのものから新しいIPO（INTELLECT Policy Optimization）損失関数に切り替わった。また、大規模モデルのQwen3-235B-A22Bなどで学習速度を最大1.15倍に高める性能改善に加え、DeepSeek V4 FlashやQwen-VLといった新しいアーキテクチャにも対応した。

## 事実

- prime-rl v0.10.0とverifiers v0.4.0を公開（日付は記載なし）
- torchtitanと比べ、Qwen3-235B-A22Bで学習速度が1.15倍に向上

## なぜ重要か

研究者は大規模言語モデルをより速く学習でき、安定性の高い強化学習損失関数によって学習の崩壊を防ぎやすくなる。

## 出典と参考資料

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

最終更新: 2026-10-19