苹果光速撤回RLAX论文：用了谷歌TPU和阿里Qwen，作者中还有庞若鸣

苹果披露了其基于谷歌 TPU 构建的大规模强化学习框架 RLAX，使用 1024 张 TPU v5p 在 12 小时 48 分钟内将 QwQ-32B 模型 pass@8 准确率提升 12.8%。该框架支持组件解耦与抢占式调度，并借助 AWS Lambda 实现高效代码验证。研究揭示了 bfloat16 数值误差问题及其解决方案，展现了苹果在 AI 基础设施上的工程实力，尽管论文已撤稿，且核心作者多已离职。
来源：https://mp.weixin.qq.com/s/NldKt6YVZJ4SYvBgryUtkA