# KPop：稳定大规模MoE模型强化学习训练的新技术

- 来源：Ant Ling (@AntLingAGI)
- 发布时间：2026-05-26 23:32
- AIHOT 分数：69
- AIHOT 标记：同事件
- AIHOT 链接：https://aihot.virxact.com/items/cmpmtlzc90rqgsl01fnl417iw
- 原文链接：https://x.com/AntLingAGI/status/2059296738897477930

## AI 摘要

团队发布了KPop技术，用于稳定大规模MoE模型的强化学习训练。它取代了此前IcePop方法的固定比例掩码，改用自适应二元KL散度区域来匹配每个token的固有噪声，从而实现更鲁棒的参数更新，支持长期、智能体化的强化学习训练。具体应用中，万亿参数的Ring-2.6-1T模型在仅使用纯强化学习训练（未修改基础设施或路由重放）的情况下，于SWE-bench Verified评测中得分超过76。KPop仅通过一个关键参数即可实现该优化。

## 正文

From IcePop to KPop - our team keeps pushing on RL training stability for large MoE models. 👇

KPop replaces the fixed-ratio mask with an adaptive binary-KL region that matches each token's inherent noise. More robust updates, stable long-horizon agentic RL.

Ring-2.6-1T → 76+ on SWE-bench Verified, pure RL.

Congrats to @Jia__Guo & team!

Blog: https://ringtech.notion.site/kpop

### 引用推文

> Jia Guo：Curious about the secret sauce behind our trillion-scale agentic foundation model? Here it comes!🥳 Last year, we released IcePop to stabilize MoE RL with doubl...