【星塵發布在線強化學習框架SmoothRL，實現與大模型的異步推理】近日，星塵智能 基座模型團隊發布能異步執行的在線強化學習框架 SmoothRL。解決的是大模型異步推理成為真實部署常態後，與之適配的online RL到底該從哪些動作裏學。 SmoothRL 首次將這類異步online RL放到真實高動態投擲任務中驗證，進一步證明在線學習不僅能用於高精度修正，也能適配連續加速、精確釋放、不能停頓的動態操作。