AI 产品

新异步训练器提升TRL中GRPO性能基准测试显示速度增长2-4倍

根据来源Twitter/X AI List的一则帖子，有建议称在Transformers Reinforcement Learning（TRL）中使用Group Relative Policy Optimization（GRPO）的用户应考虑切换至新的异步训练器。帖子指出，在基准测试中，该训练器可将处理速度提升约2到4倍。此信息为非官方发布，基于社区讨论，具体效果可能因环境而异，需用户进一步验证。

多来源证据

事件时间线

1. 8月13日 21:55
   Twitter/X AI List
   如果你在TRL中使用GRPO，你应该真的切换到新的异步训练器。在我们的基准测试中，它快约2-4倍 🔥