Extropic tăng hiệu suất ML nhiệt động của Qwen3.6 lên 2.8x trong 100 bước

Học tăng cường trên hạ tầng Prime Intellect đã giúp Extropic cải thiện hiệu suất của một mô hình AI trên các tác vụ ML nhiệt động đã được kiểm chứng. Phần thưởng của mô hình Qwen3.6-35B-A3B tăng từ 0.127 lên 0.361 — tăng 2.8 lần — sau khoảng 100 bước GRPO bằng Hosted Training, Prime Sandboxes và Prime Inference. Mô hình đã được huấn luyện lại này, chỉ kích hoạt 3B tham số cho mỗi token, vượt trội hơn các mô hình mở khác và thu hẹp khoảng cách phần thưởng với Claude Opus 4.8. Phương pháp huấn luyện của công ty cũng chứng tỏ hiệu quả với dòng mô hình Qwen3.5, đạt phần thưởng 0.356 bằng cùng phương pháp. Extropic phát triển một môi trường RL tùy chỉnh với các bộ xác minh để tăng tốc khám phá thuật toán cho một loài máy tính mới. Bằng cách sử dụng các dịch vụ quản lý của Prime Intellect, nhóm nghiên cứu đã tránh được nhu cầu quản lý hạ tầng GPU đa nút.