芯片 HuggingFace Daily Papers 2026-07-17

LongStraw：固定GPU预算下超过200万token的长上下文RL训练

推理系统上下文已达百万token级别，但后训练仍停留在256K token，导致部署时需依赖长度泛化。LongStraw是一个针对固定GPU预算下百万token RL后训练的架构感知执行栈，基于GRPO实现，评估共享prompt时...

解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。