**跨四国14台Mac分布式强化学习微调，准确率翻倍**

_RL post-training on 14 Macs across 4 countries_

> Pluralis团队利用14台分布在全球的Mac电脑生成int8推理轨迹，由单张B200 GPU进行bf16梯度训练。该去耦架构克服了网络延迟与异构硬件带来的策略偏差，使PaperSearchQA任务的pass@1指标从29%提升至63%，实现了无需专线连接的异步高效微调。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-07-16 00:53（北京时间）
- **原文**：[打开原文](https://pluralis.ai/blog/rl-post-training-on-macs)