GPT-OSS 智能体强化学习训练实战复盘
深度Hugging Face2026年1月27日5 分钟阅读
LinkedIn 团队在 Hugging Face 博客分享，他们成功解锁了 GPT-OSS 模型的智能体强化学习（Agentic RL）训练能力。实验发现，由于 GPT-OSS 的 MoE 架构特性，训练初期出现了梯度爆炸和奖励不增的问题。
觉得有用？分享给更多人
相关文章
Jake Cooper 深入探讨了 Railway 从自建数据中心（3 个月回本）到 Temporal 工作流引擎、Railpack 构建系统、Central Station 内部工具等技术栈选择，并直言“Pull Request 正在死亡”，未来的软件开发生命周期将围绕智能体需求重构。
深度Latent Space·5月20日·6 分钟
Anthropic 以每月 12.5 亿美元的价格租用 xAI 位于孟菲斯的 Colossus 1 数据中心全部算力，合同期限至 2029 年 5 月，总金额超 400 亿美元。该交易通过 SpaceX 的 SEC 文件披露，允许任意一方提前 90 天终止合同。xAI 借此形成“既自用又出租”的混合模式，以消化因 Grok 使用量下降而闲置的算力。
深度·5月20日·3 分钟