大模型智能·· 5 小时前AI 评估 · 53/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
DeepSeek V4.1 Flash 的 Agentic RL 训练踩坑记录
DeepSeek v4.1 RL训练踩坑日记
AI 导读
作者在自研 LoongSage 框架内拉起 DeepSeek V4.1 Flash 的 Agentic RL 训练，整条链路已跑通，采用 r2e gym 加 mini-swe-agent、24k response 长度。
来源：大模型智能 · mp.weixin.qq.com