用RL和SkyPilot训练4B模型控制飞行跑车

SkyPilot 团队围绕飞行 Roadster 跑车的物理模拟器构建了强化学习环境，通过模仿学习和 GRPO 强化学习对 Qwen3-4B 模型进行后训练，实现了对飞行跑车的实时控制。结果表明，该 4B 模型在风暴中以实时响应击败了 DeepSeek V4.1 Flash 和 GPT-6 Astra 等大模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。