**全球首次单机降服万亿巨模DeepSeek-V4！RL后训练框架Orbit开源！**

> 从数学、代码、复杂推理，到多轮工具调用，大模型的很多能力的提升都离不开 RL 后训练。但当模型规模进入 MoE 万亿参数级别之后，RL 不再只是一个算法问题，同时更加是一个系统问题。训练侧需要容纳庞大的模型权重、梯度和优化器状态；rollout 侧需要持续生成样本，并保持足够高的吞吐；refe...

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：ai-models
- **发布时间**：2026-05-28 11:30（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-05-28-5)