在@grail_ai主网推出了完全异步的训练器，正在训练一个7B模型 🚀 训练现在从重放缓冲区连续运行！无需等待通信。 这解锁了2000+的上下文，让我们能够从1.5B扩展到7B模型，甚至以后会更大。

我刚写了一篇博客，讲述我们是如何创建第一个版本的 grail (grail-v0)，这是一个完全开放的、去中心化的 RL 训练系统，专为 LLMs 设计。它是同类中的首个之一。 一切都是公开的：代码库、训练循环、实时训练曲线、激励措施、回滚。 🧵 1/4

🚀 来自@grail_ai 的重大更新！我们已经完成了GRPO的实施！ 我们在GSM8K数据集和Qwen/Qwen2.5-1.5B-Instruct模型上的早期运行表明，它在SN81主网络上正确训练，在线奖励随着时间的推移稳步提高。 1/3 🧵