Ant GroupのLing-3.0-tinyとASystemが単体マシンでのエージェント型強化学習の閉ループを実現

要点：Ant GroupとASystemチームは、Ling-3.0-tinyモデルとARenoフレームワークを用い、単一マシン環境でエージェント型強化学習（Agentic RL）の学習サイクルを確立しました。井字棋を用いた検証では、GSPOアルゴリズムにより報酬の向上とトークン効率の改善を確認しています。