清华、蚂蚁开源极速RL框架AReaL-boba

蚂蚁技术研究院与清华大学联合发布的 AReaL-boba 是国内首个完全开源的强化学习训练框架，解决了大规模强化学习训练复杂性和效率瓶颈问题。该框架在 7B 模型上实现数学推理分数断崖领先（AIME 2024 61.9 分），并仅用 200 条数据复现 QwQ-32B 推理效果，成本不到 200 美金。AReaL-boba 提供完整的开源数据、代码和脚本，支持从单机到分布式训练，大幅降低强化学习门槛，助力 AI 训练普惠化。
来源：https://mp.weixin.qq.com/s/Cx8QHv2TVl-0mIJzKT7BDA