云服务商Nebius称其内部强化学习自动调优器在英伟达B300上实现最高4.93倍训练加速
Nebius发布博客称，其内部开发的强化学习自动调优系统在固定GPU预算下，将四种模型在两种工作负载上的训练步骤速度提升了1.42至4.93倍，中位数为3.5倍。该结果基于厂商自测，尚未独立复现。
AI基础设施公司Nebius于2026年11月12日发布技术博客，介绍其内部开发的强化学习（RL）自动调优系统。据该公司称，该系统在NVIDIA B300 Tensor Core GPU上测试了四种模型和两种工作负载，最佳配置使训练步骤在固定GPU预算下加快了1.42至4.93倍，中位加速约为3.5倍。
测试涵盖Qwen3.8-27B、Qwen3.6-35B-A3B、GLM-5.3-Flash和DeepSeek-V4.1-Flash等稠密及混合专家模型，工作负载包括数学推理（DAPO）和智能体编码（SWE-bench Verified）。其中，GLM-5.3-Flash在编码任务上取得了接近5倍的最高加速。Nebius指出，DeepSeek-V4.1-Flash的编码任务在40块GPU上的运行速度甚至快于早期设置在56块GPU上的表现，每步GPU秒数减少了38%。
该自动调优系统通过剖析每个作业的限制因素，预测潜在改进并实时测试来优化配置。Nebius提到，其预测子代理在回顾性评估中的中位步骤时间误差为5.7%。所有最佳配置均保持在作业的训练器-滚动器差距限制内，且伴随数值检查和奖励比较以验证训练质量未受损。
需要注意的是，上述数据均为Nebius在其特定硬件环境和模型组合下的自报结果，目前尚无第三方独立复现或公开基准代码。对于依赖大规模强化学习后训练的开发者而言，这一效率提升若能在其他环境中重现，将显著降低计算成本和时间开销。