prime-rl 0.6.0：萬億參數規模強化學習效能深度解析

Prime Intellect 發佈 prime-rl 0.6.0，支援萬億參數規模模型的智能體強化學習訓練。該團隊表示，可在 28 個 H200 節點上以最高 131k 的序列長度、低於 5 分鐘的單步時間及 256 個 rollouts 的批次大小，訓練 GLM-5 執行 SWE 任務。