告别“本地模型”的幻觉：百灵大模型联手开源社区构建单端智能体强化学习闭环
蚂蚁集团 ASystem 团队联合开源社区，基于百灵（BaiLing）大模型和开源后训练工具 AReno，在单台机器上跑通了智能体强化学习闭环。这套方案验证了本地模型无需云端大规模算力支撑，也能通过闭环迭代进化出处理复杂规则、严守安全边界及调用外部工具的能力。
实验选用了规则清晰的井字棋作为最小验证任务，硬件环境是 DGX Spark，基础模型是 Ling-3.0-tiny，总参数量 79 亿，激活参数量 13 亿。训练算法采用 GSPO，设置了 400 轮训练步数。
跑完这 400 步后，模型发生了质变。训练前它懂基本规则但会犯非法动作，训练后不仅平均奖励显著增加，输出长度也趋于收敛，不再随意发散。最关键的突破在于工具调用和动作选择上，模型从“会犯错”变成了“稳定且理性地调用工具”。
这套模式的核心价值在于提供了一套透明且可复现的任务适配方法：先精准定位模型错误，再建立可验证的反馈机制，最后在同一本地环境里完成训练和复测。
目前百灵的 Ling-3.0-tiny 模型已提供 BF16、FP8、INT4 等量化版本，开发者可以在 Hugging Face 或魔搭社区获取。AReno 开源仓库对后续的代码开发和技术讨论也是开放的。
除了棋类游戏实验，这套流程能平滑迁移到真实生产场景，具体包括工具调用修复、结构化字段提取、领域指令遵循以及业务流程中的智能体开发。
