2026年11月21日,由AReaL与昇腾联合举办的“AReaL×昇腾Meetup”在杭州梦想小镇开展。本次活动以“从RSI加速到Agent落地的全链路进化”为主题,集结了来自互联网企业、高校及生态伙伴的近百位开发者。在这次Meetup上,大家围绕AReaL社区实践和规划、AReaL RSI、AReaL基于昇腾的最新实践等内容展开讨论,旨在通过开源社区与昇腾的深度协同,让Agent(智能体)应用在真实业务场景中真正“跑”起来、“进化”起来。
开源生态与昇腾AI的双向奔赴
随着大模型技术迈入后训练时代,如何让智能体持续进步并实现可靠交付,成为业界关注的焦点。AReaL开源社区负责人李家乐在《AReaL社区的实践和未来规划》分享中指出,智能体持续进步的关键在于将真实任务、模型训练与评测反馈连接成可迭代的系统。他详细介绍了AReaL 2.0的架构演进——将Agent执行、模型推理和训练拆分为可独立部署、灵活组合的微服务。值得关注的是,AReaL通过适配昇腾硬件,进一步拓宽了硬件生态,为Agent应用在算力平台上开展服务提供了有力支撑。面向未来,AReaL 3.0将整合AReaL-RSI自迭代模型训练能力,并提供自迭代演进的AReaL-Harness框架,持续推动智能体服务的能力进化。
AReaL开源社区负责人 李家乐
397B模型突破与基础设施自优化
在技术分享环节,AReaL核心团队成员张勇带来了《训练模型,也进化训练系统——AReaL的397B Agentic RL与昇腾基础设施自优化实践》的主题演讲。他强调,Agent持续进化的核心是将真实任务中的反馈转化为可验证的能力提升。围绕递归自我改进(RSI),团队依托昇腾AI基础软硬件平台和AReaL开源框架,积极推进Agentic RL后训练服务建设。在基于MLPerf RL任务的内部实验中,昇腾已成功支撑3970亿参数模型开展强化学习训练,达到了pass@4不低于69%的质量目标,充分验证了超大模型Agent后训练能力。面向未来,团队将重点突破低精度训推一致性,结合分离异步与弹性调度,在保证训练收敛和模型效果的前提下大幅缩短训练周期。
AReaL核心团队成员 张勇
RSI工程化实践与底层算力优化
要让RSI应用到更多真实业务,必须建立可持续运行的迭代改进流程。AReaL Maintainer、浙大硕士周文浩在分享《AReaL RSI:连接自主研究与强化学习的自进化实践》时表示,AReaL-RSI已打通从pipeline定义、多Agent协作到训练评测的工程支持,形成支持用户自定义RSI任务的通用Infra,并支持在昇腾上运行。目前,该架构已深入灵光真实业务,开展了3D建模迭代、Agent工作流优化等实践,推动应用、数据、智能体与模型协同进化。
AReaL Maintainer、浙大硕士 周文浩
CANNBot skills在后训练性能优化中的使用
在基础设施层面,华为后训练技术专家李丰展示了《CANNBot skills在后训练性能优化中的使用》。团队依托昇腾CANN生态的CANNBot-skills技能库,结合RSI迭代式优化方法,完成了Bailing大模型在昇腾集群上的后训练性能优化,端到端训练步长缩短超10%,模型算力利用率(MFU)显著提升。在优化过程中,团队通过逐任务级证据采集定位瓶颈,使MegaMoE融合算子单层前向提速超40%。作为昇腾社区开源的Agent技能模块项目,CANNBot-skills正帮助开发者将依赖个人经验的开发流程转化为可编排、可审计的工程动作。
华为后训练技术专家 李丰
构建可演进的Agent基础设施
针对复杂任务的可靠交付问题,AReaL Maintainer、蚂蚁AReaL团队研发专家林知遥在《AReaL-Harness:可演进的Agent基础设施》分享中提出,Agent的核心竞争力在于改进效果的可验证性。AReaL-Harness通过分层架构统一了上下文管理、工具执行和多Agent协作,为长任务提供可观测、可恢复的执行基础。目前,系统已打通诊断、自行设计实验、候选修复、验证及版本更新与回滚的RSI工程链路。未来,昇腾生态与Harness在模型推理、任务调度和批量评测上的协同优化值得期待,以高效AI算力支撑规模化实验,让Agent的每一次改进都能明确收益、成本与适用边界。
AReaL Maintainer、蚂蚁AReaL团队研发专家 林知遥
生态共建
让每一次“进化”都看得见
从昇腾算力的底座支撑,到携手AReaL开源社区的技术共创;从追求397B大模型的极限性能,到真实业务场景的落地打磨。本次AReaL×昇腾Meetup不仅是一场硬核的技术输出,更是一次开源生态与昇腾AI深度拥抱的盛会。未来,昇腾AI与AReaL将继续并肩前行,持续为开发者提供更高效、更易用的全链路技术底座。硬核不减,活力拉满,期待下一次相聚!
◆往期推荐◆
股票
板块
用户
资讯
评论 (0)