tracked author
Chi Zhang
HybridFlow, DAPO, and Laminar recurring author; GitHub and homepage align with USC-to-ByteDance RLHF infrastructure work, but no high-confidence personal X account was found.
Related Notes
按论文归档时间排序，展示该作者在本站已经出现的材料。
Laminar: A Scalable Asynchronous RL Post Training Framework
Laminar 让完成 trajectory 独立进入 experience buffer，再用 CPU/RDMA relay 允许各 rollout 在本地生成 batch 结束或被 repack 释放后独立拉取新权重，并把同 weight version 的尾部请求集中到少数 rollout；1024 张 H800 实验支持这套设计能提高短窗口 actor update throughput，训练时实际 policy lag、GR...
DAPO: An Open Source LLM Reinforcement Learning System at Scale
DAPO 的核心贡献是一套可复现的 long CoT reasoning RL recipe：在 Qwen2.5 32B base 上，用基于 verl 的 GRPO 变体、规则奖励、DAPO Math 17K 数据、Clip Higher、Dynamic Sampling、Token level Policy Gradient Loss 和 Overlong Reward Shaping，将 AIME 2024 avg@32 提升到...
HybridFlow: A Flexible and Efficient RLHF Framework
HybridFlow 的核心贡献是把 RLHF 训练看成由多个大模型节点组成的复杂 dataflow，并提出一个混合控制架构：模型之间用 single controller 统一编排和数据重分片，模型内部用 multi controller 执行高效分布式训练/推理/生成；再配合 3D HybridEngine 和自动设备映射，在 PPO、ReMax、Safe RLHF 等 RLHF 算法上比 DeepSpeed Chat、OpenR...