产品
prime-rl
Prime Intellect 开发的强化学习训练框架，用于大模型后训练与 RL 微调，支持 MoE 模型训练。
时间轴 (近 90 天)
10月29日
在 prime-rl 中，Qwen3 MoE 的训练步速最高提升 34%。
待验证50%
10月29日
prime-rl 是 Prime Intellect 开源的强化学习训练框架，面向大模型的后训练与 RL 微调。
待验证50%
10月29日
34% 的步速提升是在特定模型（Qwen3 MoE）和特定框架（prime-rl）下测得，迁移到其他模型结构或并行策略时收益会变化。
待验证50%
10月29日
将可训练的 Mega MoE 内核接入 prime-rl 后，RL 循环的前向与反向两侧都使用同一套融合实现，避免采样与更新之间的路径切换开销。
待验证50%