Hacker News · 首页· wondersky·· 16 天前精选AI 评分71
SkyPilot 用 RL 后训练 Qwen3-4B 飞飞行跑车，风暴踢翻落地率比 GPT-6 Astra 高 21%
Post-training 4B model with RL to fly Tesla Roadster 21% better than GPT-6 Astra
AI 导读
SkyPilot 围绕飞行跑车物理模拟器搭了一个 RL 环境，用 rank-64 LoRA 加 GRPO 后训练 Qwen3-4B，实时决策下风暴踢翻动作落地率 90%，比 GPT-6 Astra 的 74% 高 21%。
借鉴点
能拿走一套可复用的 RL 后训练配方，rank-64 LoRA 加 GRPO 双教师热启动，按风级挑模仿对象、风暴样本加倍、专练慢速远车场景；落到本地模型部署和 Agent 实时决策线，代价是 4 GPU 小时约 13 美元，且配方靠多轮验证集试错才收敛。
来源：Hacker News · 首页 · skypilot.ai