热点事件持续更新
DeepSeek V4.1 Flash Agentic RL训练实践
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月23日，有作者在大模型智能平台发布记录称，其在自研LoongSage框架内启动DeepSeek V4.1 Flash的Agentic RL训练，整条链路已跑通。该训练采用r2e gym加mini-swe-agent方案，response长度设为24k。报道以踩坑记录形式呈现，未披露训练规模、耗时、效果指标等更多细节，也未提及与其他框架或配置的对比。目前事件进展停留在该单篇实践分享层面，后续是否更新或补充结果尚不明确。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 00:00
作者称已在自研LoongSage框架内跑通DeepSeek V4.1 Flash的Agentic RL训练全链路。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- 大模型智能DeepSeek V4.1 Flash 的 Agentic RL 训练踩坑记录
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。