# prime‑rl 0.10.0默认采用新IPO损失，训练提速最高15%

> Prime Intellect发布prime‑rl v0.10.0和verifiers v0.4.0，默认启用更快的RL损失函数IPO，训练速度最高提升15%。

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

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。

## 事实

- 发布了prime‑rl v0.10.0和verifiers v0.4.0（未注明日期）
- 与torchtitan相比，Qwen3‑235B‑A22B上的训练速度提升至1.15倍

## 为什么重要

研究人员可以更快地训练大型语言模型，并使用更稳定的强化学习损失函数，从而降低训练崩溃的可能性。

## 来源与参考

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

最后更新: 2026-10-19