🎯 情报来源：量子位
上海交通大学与字节跳动研究团队联合开发的RhymeRL框架，通过创新性地利用历史数据相似性特征，在保持模型精度的前提下，将强化学习(RL)训练吞吐量提升2.6倍。该成果直击RL训练中最耗时的Rollout阶段（占80%以上时间），通过HistoSpec和HistoPipe两大核心技术实现突破。
实验数据显示，在数学、代码等任务中，RhymeRL端到端训练吞吐量提升达2.61倍。该技术无需修改现有PPO/GRPO等训练算法，通过投机解码技术和智能调度策略，将GPU利用率提升至新高度。
💡 核心要点
- 2.6倍加速：端到端训练吞吐量提升2.61倍，精度无损
- 95%历史复用率：相邻训练周期Token重复利用率高达95%
- 双核心技术：HistoSpec（投机解码） + HistoPipe（无空泡调度）
- 80%耗时优化：针对占RL训练80%时间的Rollout阶段
- 通用适配性：兼容PPO/GRPO等主流RL算法
📌 情报分析
技术价值：极高
首次将投机解码技术引入RL训练，通过树状草稿批量验证机制突破内存带宽限制，技术路径具有原创性。
商业价值：高
按RL训练平均消耗10万美元/次计算，加速效果可直接降低60%以上成本，对AI大模型竞赛具有战略意义。
趋势预测：高
论文显示该方法在不同模型规模均有效，随着RL在AGI发展中地位提升，该技术可能成为行业标配方案。