ITPub博客

首页 > 云计算 > 容器服务 > 在Kubernetes上进行模型微调:Google的OpenRL解析 - SiliconANGLE

在Kubernetes上进行模型微调:Google的OpenRL解析 - SiliconANGLE

容器服务 作者:ITPUB社群 时间:1970-01-01 08:33:46 0 删除 编辑


通过强化学习进行模型微调正迅速成为 AI 基础设施中要求最高的任务之一。它将训练、推理和沙箱化的智能体工作混合在一个循环中,研究代码常常与底层系统纠缠在一起。

Google LLC 一直在其 Kubernetes 工程团队内部解决这个问题,并于近期将成果 OpenRL 捐赠给了云原生计算基金会。据 Google Cloud 高级软件工程师 Sunil Arora(左图)介绍,GKE Labs 团队先是为 Kubernetes 任务构建了一个 AI 智能体,然后构建了一个基准来评估模型在这项工作上的表现。

“如果你看看强化学习,我认为它是 AI 的一种超级应用,因为它涉及训练。它涉及采样。它涉及智能体在沙箱中实际执行操作,有时还会对工作进行评估,”Arora 说。“这是一种非常多样化的工作负载,我认为它正在推动我们基础设施的边界。”

Arora 和 Google 开发者 Justin Santa Barbara(右图)在 KubeCon + CloudNativeCon NA 上接受了 theCUBE Research 的 John Furrier 和 Rebecca Knight 的采访,这是 SiliconANGLE Media 直播工作室 theCUBE 的独家广播。他们讨论了模型微调以及他们在 GKE Labs 中的工作,该实验室将实验性项目尽早交到用户手中。(* 下方披露。)

无需纠缠基础设施的模型微调

OpenRL 于 2026 年 6 月作为研究预览版首次亮相,为企业自己的 Kubernetes 集群提供自托管的训练 API(应用程序编程接口)。Arora 解释说,它将强化学习循环与计算管道分离,因此基础设施工程师负责扩展,而研究人员保持对实验的控制。

“通过 OpenRL,我们试图做的事情之一是将基础设施抽象为核心原语,这样研究人员和 AI 工程师就可以只专注于他们的 RL 循环,”Arora 说。

沙箱是这个循环与智能体基础设施交汇的地方,因为计算奖励可能意味着运行数百万条隔离命令。据 Arora 介绍,Google 的 Agent(智能体) Substrate 能在有限的计算资源上打包更多这样的沙箱。对 Santa Barbara 来说,这种需求是一步步浮现的。

“我们构建了 kubectl-ai,理论上,kubectl-ai 本可以格式化我的硬盘,”Santa Barbara 说。“我很希望为此提供一个沙箱,这样如果它格式化了硬盘,它格式化的是那个沙箱,不会造成损害。”

完整的视频采访,这是 SiliconANGLE 和 theCUBE 对 KubeCon + CloudNativeCon NA 报道的一部分:

(* 披露:Google Cloud 赞助了 theCUBE 的这一环节。Google Cloud 及其他赞助商均不对 theCUBE 或 SiliconANGLE 的内容拥有编辑控制权。)


转载声明:本文为转载整理,原文版权归原作者及原站点所有。

原文来源:SiliconANGLE

原创地址:https://siliconangle.com/2026/11/11/model-fine-tuning-kubernetes-google-s-openrl-explained-kubeconna/

原文作者:Jonathan Anthony;如有侵权,请联系管理员删除。

请登录后发表评论 登录
全部评论

注册时间:2022-11-21

  • 博文量
    1307
  • 访问量
    573887