算法论文8

FireFlash：64卡5天训出顶尖智能体

机器之心2026-11-12

AI 摘要

UCLA 等发布 FireFlash，基于 GLM-5.3-Flash 仅用 64 张 B300 训练不到 5 天，单任务推理成本低30倍以上。

异步解耦训练与采样，利用陈旧FP8样本降低开销

仅保留通过率15%至85%的任务，零信号组降至10%

单次试验花费0.72美元，所有更高分模型成本翻倍

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Ox Alpha揭晓为GLM-5.3-Flash

本文是DeeplearningAI The Batch专栏的AI行业资讯，揭秘此前匿名上线爆火的Ox Alpha模型，公开其为Z.ai推出的GLM-5.3-Flash，详细介绍该模型的架构、性能、定价与授权信息。

阿里开源新项目ROCK，解决了智能体无法在真实环境中规模化训练的难题。它与阿里此前的RL训练框架ROLL配合，构成完整的智能体训练闭环，推开了Agentic AI规模化应用的大门。

该论文提出‘早期经验’范式，让智能体通过执行动作、观察结果状态学习，无需外部奖励。它能降低数据依赖，提升泛化与鲁棒性。实验显示，其在多样环境中效果出色，为智能体训练提供新思路。

强化学习之父指出人工智能迈入「经验时代」，在此背景下，复旦、创智、字节研究者发布 AgentGym - RL 框架。它是全新端到端 RL 框架，提出 ScalingInter - RL 方法，7B 模型经训练追平顶尖商业模型，为 AI 发展注入动力。