**NeMo-DCR:万亿参数智能体强化学习的位精确增量压缩重拟合**

_NeMo-DCR: Bit-Exact Delta-Compressed Refit for Scalable Agentic RL at Trillion-Parameter Scale_

> 针对智能体强化学习中训练与推理分离导致的权重同步瓶颈,NeMo-DCR 提出一种位精确的增量压缩重拟合方案。通过仅传输权重变化并利用固定仿射映射及原生加载器,该方案在保持参数位精确一致的同时,避免了跨集群集合通信。实验显示,在 3% 至 5% 的权重变化率下,NeMo-DCR 将 30B 至 1T 模型的同步速度提升 12-40 倍,使万亿参数规模的跨集群智能体强化学习训练变得可行。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.08430)