蚂蚁ASystem团队联合本地化大模型后训练工具包AReno及百灵大模型，推出轻量级后训练实践路径，在单机环境中完成Agentic RL强化学习闭环验证。该方案以井字棋为最小验证任务，基于DGX Spark对Ling-3.0-tiny模型进行后训练，通过规则奖励反馈和GSPO算法训练400步后，模型奖励均值提升、输出长度收敛，工具调用与动作选择稳定性改善。Ling-3.0-tiny已开放BF16、FP8和INT4版本，可在Hugging Face和魔搭获取。
蚂蚁ASystem团队联合本地化大模型后训练工具包AReno及百灵大模型，推出轻量级后训练实践路径，在单机环境中完成Agentic RL强化学习闭环验证。该方案以井字棋为最小验证任务，基于DGX Spark对Ling-3.0-tiny模型进行后训练，通过规则奖励反馈和GSPO算法训练400步后，模型奖励均值提升、输出长度收敛，工具调用与动作选择稳定性改善。Ling-3.0-tiny已开放BF16、FP8和INT4版本，可在Hugging Face和魔搭获取。