**万卡、十万卡规模下，强化学习训练该如何扩展？**

_假如有一万张卡，RL训练该怎么扩大规模？十万张呢？_

> 文章指出，随着预训练把大模型带到新的能力起点，强化学习通过持续探索与反馈激发模型在新环境、新任务中的推理与行动能力，其在大模型开发中的占比越大，训练效率对算力预算的影响就越直接。文中以假设一万张 GPU 连续运行 30 天为例算了一笔示意账，探讨 RL 训练规模化的效率关键与扩展路径。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：ai-models
- **发布时间**：2026-09-22 11:08（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-09-22-6)