ニュース

Training SWE agents with Miles on MI355X: taming long-tail trajectories and complex sandbox coordination

LMSYS · 公開日 2026年10月22日 · 読了3分

30秒で要点

何が起きたか: Researchers trained a 30B coding model using reinforcement learning on AMD MI355X GPUs, improving task solve rate from 7.3% to 27.5% on SWE-bench.
なぜ重要か: Engineers building agentic AI systems need to understand how to scale RL training for code generation across multiple GPUs and manage sandbox infrastructure efficiently.
注意点: Long-tail trajectories and CPU sandbox bottlenecks dominated training time, not GPU compute. Infrastructure limits like Docker network caps and connection pools broke before network bandwidth became limiting.

各ページで、技術の仕組み、コストに見合う場面、そして破綻する条件を解説しています。

1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。

週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。