- 話題
2k 熱度
5k 熱度
33k 熱度
3k 熱度
496 熱度
111k 熱度
26k 熱度
26k 熱度
7k 熱度
14k 熱度
- 置頂
- 穩健，是 Gate 持續增長的核心動力。
真正的成長，不是順風順水，而是在市場低迷時依然堅定前行。我們或許能預判牛熊市的大致節奏，但絕無法精準預測它們何時到來。特別是在熊市週期，才真正考驗一家交易所的實力。
Gate 今天發布了2025年第二季度的報告。作爲內部人，看到這些數據我也挺驚喜的——用戶規模突破3000萬，現貨交易量逆勢環比增長14%，成爲前十交易所中唯一實現雙位數增長的平台，並且登頂全球第二大交易所；合約交易量屢創新高，全球化戰略穩步推進。
更重要的是，穩健並不等於守成，而是在面臨嚴峻市場的同時，還能持續創造新的增長空間。
歡迎閱讀完整報告：https://www.gate.com/zh/announcements/article/46117 - 📢 Gate廣場 #创作者活动第一期# 火熱開啓，助力 PUMP 公募上線！
Solana 爆火項目 Pump.Fun（$PUMP）現已登入 Gate 平台開啓公開發售！
參與 Gate廣場創作者活動，釋放內容力量，贏取獎勵！
📅 活動時間：7月11日 18:00 - 7月15日 22:00（UTC+8）
🎁 活動總獎池：$500 USDT 等值代幣獎勵
✅ 活動一：創作廣場貼文，贏取優質內容獎勵
📅 活動時間：2025年7月12日 22:00 - 7月15日 22:00（UTC+8）
📌 參與方式：在 Gate 廣場發布與 PUMP 項目相關的原創貼文
內容不少於 100 字
必須帶上話題標籤： #创作者活动第一期# #PumpFun#
🏆 獎勵設置：
一等獎（1名）：$100
二等獎（2名）：$50
三等獎（10名）：$10
📋 評選維度：Gate平台相關性、內容質量、互動量（點讚+評論）等綜合指標；參與認購的截圖的截圖、經驗分享優先；
✅ 活動二：發推同步傳播，贏傳播力獎勵
📌 參與方式：在 X（推特）上發布與 PUMP 項目相關內容
內容不少於 100 字
使用標籤： #PumpFun # Gate
發布後填寫登記表登記回鏈 👉 https://www.gate.com/questionnaire/6874
🏆 獎勵設置：傳播影響力前 10 名用戶，瓜分 $2
- 🎉【Gate 3000萬紀念】曬出我的Gate時刻，解鎖限量好禮！
Gate用戶突破3000萬！這不僅是數字，更是我們共同的故事。
還記得第一次開通帳號的激動，搶購成功的喜悅，或陪伴你的Gate週邊嗎？
📸 參與 #我的Gate时刻# ，在Gate廣場曬出你的故事，一起見證下一個3000萬！
✅ 參與方式：
1️⃣ 帶話題 #我的Gate时刻# ，發布包含Gate元素的照片或視頻
2️⃣ 搭配你的Gate故事、祝福或感言更佳
3️⃣ 分享至Twitter（X）可參與瀏覽量前10額外獎勵
推特回鏈請填表單：https://www.gate.com/questionnaire/6872
🎁 獨家獎勵：
🏆 創意大獎（3名）：Gate × F1紅牛聯名賽車模型一輛
👕 共創紀念獎（10名）: 國際米蘭同款球員衛衣
🥇 參與獎（50名）：Gate 品牌抱枕
📣 分享獎（10名）：Twitter前10瀏覽量，送Gate × 國米小夜燈！
*海外用戶紅牛聯名賽車折合爲 $200 合約體驗券，國米同款球衣折合爲 $50 合約體驗券，國米小夜燈折合爲 $30 合約體驗券，品牌抱枕折合爲 $20 合約體驗券發放
🧠 創意提示：不限元素內容風格，曬圖帶有如Gate logo、Gate色彩、週邊產品、GT圖案、活動紀念品、活動現場圖等均可參與！
活動截止於7月25日 24:00 UTC+8
3
- 🔥 Gate廣場 #GateAlpha积分节# 曬單狂歡開啓！
帶 #Gate Alpha交易分享# ，曬出你的Alpha第三屆積分節高光交易，瓜分 $100 幸運獎池！
🎁 10名幸運曬圖用戶 * 10 USDT
📅 7月4日 12:00 -7月20日 24:00 UTC+8
別忘了，Alpha積分節主獎池高達百萬美元，快來交易 + 曬圖雙重贏獎！
活動詳情：https://www.gate.com/announcements/article/45908
NVIDIA NeMo-RL 利用 GRPO 進行高級強化學習
張彼得
2025年7月10日 06:07
NVIDIA推出NeMo-RL，一個用於強化學習的開源庫，支持與GRPO的可擴展訓練，並與Hugging Face模型集成。
NVIDIA 已推出 NeMo-RL，這是一個前沿的開源庫，旨在增強強化學習 (RL) 的能力，具體內容可以參考 NVIDIA 的官方博客。該庫支持可擴展的模型訓練，從單 GPU 原型到大規模的千 GPU 部署，並與 Hugging Face 等流行框架無縫集成。
NeMo-RL的架構與特點
NeMo-RL 是更廣泛的 NVIDIA NeMo 框架的一部分，以其多功能性和高性能能力而聞名。該庫包括與 Hugging Face 模型的原生集成，優化的訓練和推理過程。它支持 DPO 和 GRPO 等流行的強化學習算法，並採用基於 Ray 的編排以提高效率。
NeMo-RL的架構設計時考慮了靈活性。它支持各種訓練和回滾後端，確保高層算法實現與後端細節保持無關。這種設計允許模型的無縫擴展，而無需修改算法代碼，使其非常適合小規模和大規模部署。
使用 GRPO 實現 DeepScaleR
這篇博客文章探討了如何應用NeMo-RL來重復使用Group Relative Policy Optimization (GRPO)算法的DeepScaleR-1.5B食譜。這涉及到訓練高性能的推理模型，例如Qwen-1.5B，以便在AIME24學術數學挑戰中與OpenAI的O1基準進行競爭。
訓練過程分爲三個步驟，每個步驟都增加使用的最大序列長度：從8K開始，然後是16K，最後是24K。這種逐步增加有助於管理推出序列長度的分布，優化訓練過程。
訓練過程與評估
訓練設置涉及複製 NeMo-RL 倉庫並安裝必要的軟件包。訓練分階段進行，模型持續評估以確保達到性能基準。結果表明，NeMo-RL 在僅 400 步內達到了 0.65 的訓練獎勵。
在AIME24基準測試中的評估顯示，訓練模型超越了OpenAI O1，突顯了NeMo-RL與GRPO算法結合時的有效性。
開始使用 NeMo-RL
NeMo-RL 可供開源使用，提供詳細的文檔和示例腳本，存放在其 GitHub 存儲庫中。這個資源非常適合那些希望使用可擴展和高效的方法進行強化學習實驗的人。
該庫與Hugging Face的集成及其模塊化設計使其成爲研究人員和開發者在項目中利用先進強化學習技術的強大工具。
圖片來源：Shutterstock