prime‑rl 0.10.0默认采用新IPO损失，训练提速最高15%

Prime Intellect宣布推出prime‑rl 0.10.0和verifiers 0.4.0。此次更新将新的IPO（INTELLECT Policy Optimization）损失函数设为异步强化学习的默认选项，取代此前基于DPPO的损失函数。更新还进行了性能优化，在Qwen3‑235B‑A22B等大型模型上的训练速度最高可提升至原来的1.15倍，并新增对DeepSeek V4 Flash和Qwen‑VL等架构的支持。