Pyromind完成天使轮融资押注AutoRL与大小模型协作架构

Koji杨远骋at十字路口

单体大模型难以穷尽无穷且动态演进的企业级场景，只有通过部署自动构建强化学习闭环的AutoRL管道，才能让Agent在生产环境中实现可持续的递归自我改进。

AI-assisted summary of 【十字路口】AI 下半场，不会只剩一个超级模型｜对谈 Kevin Ding：Pyromind 创始人/CEO【视频播客】 — original source. Check the original for full context.

Source published: 2026-08-30

Detailed notes

## Background 本内容由 Bilibili 账号“Koji杨远骋at十字路口”于 2026 年 8 月 30 日发布，为《十字路口》节目对谈专场。简介表明本期嘉宾为 Pyromind 创始人兼 CEO Kevin Ding，集中探讨了强化学习即服务（RL as a Service）、AutoRL（自动强化学习）、大小模型协作架构 PyroDash 以及 AI 在工业质检、代码 Agent 等企业场景中的落地与商业化挑战。

## TL;DR 节目深入讨论了 AI 下半场的技术演进与路线之争：相较于单一超级大模型的泛化路线，更看好专业化 Agent 风群与 AutoRL（自动强化学习）的结合。访谈详细拆解了 Pyromind 从单纯提供 Serverless 训练 Infra（Studio）向实现“数据-奖励-训练-部署”自动闭环（EcoMind）的演进，并分享了如何通过 PyroDash 架构与递减的 FDE（前线部署工程师）工作量，将企业级 AI 交付从一次性项目制咨询转变为可横向复制的标准化管道。

## Atmosphere & style 整体对话专业且充满前沿创业者的实干精神，气氛理性而接地气。Koji 的引导流畅自然，Kevin 则以典型的 INTJ 理性逻辑和 PN Infra 背景，深入浅出地拆解硬核的技术管道与商业思考。听感上既有硅谷路线争论的高瞻远瞩，又有面对客户真实需求、探讨 ROI 与交付瓶颈时的坦诚与扎实。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=0s) Pyromind 创始人兼 CEO Kevin Ding（1994 年生，前阿里云 PN Infra 架构背景）主攻 RL as a Service（强化学习即服务）与后训练，公司已获得高瓴、百度风投、蓝驰、Atypical 等机构的天使轮融资。 - [00:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=0s) Pyromind 终极定位是实现 AutoRL（自动强化学习），将其视为当下大热的 RSI（递归自我改进）在企业落地时更具象化的实现路径。 - [00:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=0s) 关于 AI 下半场的路线演进，比起单一预训练 Scaling 的“超级单体大模型”，Kevin 坚信由大量专业化 Agent 组成的“服务化 Agent 风群（ASI 形态）”才是真实趋势。 - [00:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=0s) 当企业部署数十个 Agent 协同工作时，依靠人工维持微调与演进不可持续，逼迫 Agent 必须具备在真实环境中根据反馈自我迭代（RSI）的能力。 - [05:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=300s) 纯粹的 RL as a Service 仅解决了一半问题，仍极度依赖算法工程师手动撰写奖励函数与数据清洗；真正让 Agent 持续改进需要构建自动循环的 AutoRL 管道。 - [05:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=300s) Pyromind 的核心产品阵容包含底层 Serverless 训练 Infra 产品“Pyromind Studio”，以及全托管的 AutoRL / RSI 闭环产品“EcoMind”。 - [05:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=300s) Pyromind Studio 抽象并封装了复杂的底层硬件与调度细节，开发者仅需配置 DP-Size 等参数即可实现多机多卡的横向扩展（K-scaling）。 - [05:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=300s) EcoMind 仅向用户透出代理 URL（Proxy），接入后可自动抓取轨迹、计算奖励信号并触发后训练，实现模型的无感自主进化。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=0s) 开场介绍与创始人背景

节目主持人 Koji（杨远骋）介绍了本期嘉宾 Kevin Ding（丁一），他是 AI 创业公司 Pyromind 的创始人兼 CEO。Pyromind 主攻的赛道是近期极为热门的“RL as a Service”（强化学习即服务，或称后训练即服务），且公司成立后不久便完成了天使轮融资，投资方包括高瓴资本、百度风投、蓝驰创投以及 Atypical（Adebico）等知名机构。

在快速问答环节，Kevin 梳理了个人的基本信息与公司的最新进展： * **年龄与生辰**：1994 年出生，32 岁，摩羯座。 * **求学经历与性格**：毕业于伦敦国王学院（King's College London，误转录为“国防学院”），测得的 MBTI 是 INTJ，但他感觉自己介于 I（内向）和 E（外向）之间。 * **Pyromind 终极定位**：打造 AutoRL（自动强化学习）。Kevin 指出，AutoRL 是当下大热的 RSI（Recursive Self-Improvement，递归自我改进）方向落地时更为具象化的实现路径。 * **团队与商业进展**：团队目前有 20 多人；虽暂未透露具体营收，但 Kevin 表示令人振奋的是公司已初步跑通 PMF（产品市场契合度）。这体现在两点：一是验证了以 AutoRL 方式实现 RSI 的商业模型完全成立；二是在横向场景和客户拓展上，交付与适配的工作量呈逐步递减趋势，展现出了良好的可复用性。 * **过往履历**：Kevin 创业前曾任职于阿里云，拥有深厚的 PN Infra（平台与基础设施）背景，参与过弹性 GPU 实例及 GPU 训练集群等底层系统的研发。

---

[00:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=0s) 创业契机：单体超级模型 vs. 服务化 Agent 风群

谈及创业初衷，Kevin 提到，早在 2025 年下半年（应为对行业节点的前瞻预测），技术圈与硅谷就对“AI 下半场”的演进路径产生了两条截然不同的路线分歧： 1. **超级单体大模型**：继续沿着预训练（Pre-training）暴力 Scaling 的路线走下去，最终诞生一个参数量极其庞大的超级大模型，企图用单一模型泛化并解决绝大多数场景的问题。 2. **服务化 Agent 风群（ASI 形态）**：认为未来走向 ASI（人工超级智能）的真实形态是服务化与风群化（Agent Swarm），即由大量专业化 Agent 嵌入到各个垂直场景中协同工作。

> "我们这个世界上需要去被 AI 解决的问题和场景，它其实无论是从当下时间点看，它已经是无穷无尽的了……在这个模式下我们尝试去用一种有限参数的这么一个模型去泛化掉无限的场景，这个事情目前来看，我觉得至少在这个 Transformer 这个架构上实现还是蛮有挑战的。"

Kevin 坚定地押注了第二条路线。经过一年多的实践，他观察到的行业信号进一步验证了他的判断：针对具体场景的需求不仅极为庞大且呈动态增长，单体模型难以穷尽。随着企业部署的 Agent 数量剧增（如几十个 Agent 共同协同），人类不可能靠人工精力去维护每一个 Agent 的微调与演进。这就逼迫 Agent 必须拥有在真实环境中根据反馈进行“自我迭代与改进”的能力——这正是近期 RSI（递归自我改进）概念热度陡升的核心逻辑。

---

[00:05](https://www.bilibili.com/video/BV12AtF6EEt9?t=5s) 从 RL as a Service 演进至 AutoRL

Kevin 分享了一个关于 Pyromind 产品演进的有趣故事：公司的方向调整本身就是一个受强化学习（RL）启发的过程——通过不断接收真实环境与客户的反馈，来进行持续自我更新。

起初，Pyromind 认为只要做到“RL as a Service”（扁平化的强化学习服务），为开发者搭建好训练 Pipeline，就已经足够支持 Agent 的部署。但在实际交付中他们发现，单纯的“Service”只解决了一半的问题，因为依然极度依赖算法工程师去撰写奖励函数、清洗数据并驱动模型迭代。

以一位做 **GUI Agent** 的客户为例： * **第一阶段（RL Service）**：Pyromind 为其提供了 Studio 产品，固化了通用的训练流水线，并解决掉了后端的 Serverless 训练 Infra（如横向 Scaling、单卡多卡算力调度等复杂底层问题）。然而，该客户依然需要投入大量算法人力去分析下游采集到的用户特定需求、手动撰写奖励函数（Reward Signal）并更新模型。 * **第二阶段（AutoRL / EcoMind）**：Pyromind 意识到，只要末端部署的 GUI Agent 能源源不断地收集用户在真实环境中的交互轨迹（Traces）与反馈，整个“反馈-奖励-训练-部署”的闭环就可以实现自动化。于是他们向客户推行了 EcoMind 产品，成功让 Agent 实现自我循环训练。

---

[00:05](https://www.bilibili.com/video/BV12AtF6EEt9?t=5s) Pyromind 核心产品矩阵：Studio 与 EcoMind

Kevin 详细梳理了 Pyromind 当前的两款核心产品及其定位：

``` +-----------------------------------------------------------------------+ | EcoMind | | (AutoRL 自动闭环产品：插入 Proxy URL -> 自动抓取轨迹 -> 计算奖励 -> 循环训练) | +-----------------------------------------------------------------------+ | v (底层依赖) +-----------------------------------------------------------------------+ | Pyromind Studio | | (Serverless 训练 Infra：配置逻辑节点与 DP-Size -> 屏蔽物理机与扩展细节) | +-----------------------------------------------------------------------+ ```

* **Pyromind Studio**： * **定位**：面向开发者的 Serverless 训练 Infra 服务。 * **功能**：抽象并封装了大量训练依赖的逻辑节点。开发者在配置节点时无需关心底层物理机的调度细节，只需设定 DP-Size（数据并行大小）和训练参数，系统即可在逻辑节点上自动完成从单卡、单机到多机多卡的横向扩展（K-scaling）。 * **EcoMind**： * **定位**：实现 AutoRL 和 RSI 闭环的全托管产品。 * **工作流**：将完整的 RSI 流程打包在后台，仅向用户透出一个 **Proxy（代理 URL）**。企业只需将该 URL 接入 Agent 中，EcoMind 就会自动抓取 Agent 在实际运行中的交互轨迹，生成整理好的数据集，通过内部的奖励结构自动触发后训练 Pipeline，实现模型的自主无感进化。

</ElicitationsGroup>

## Notable quotes > [00:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=0s) AutoRL 是当下大热的 RSI（Recursive Self-Improvement，递归自我改进）方向落地时更为具象化的实现路径。 — Kevin Ding

> [00:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=0s) 验证了以 AutoRL 方式实现 RSI 的商业模型完全成立；二是在横向场景和客户拓展上，交付与适配的工作量呈逐步递减趋势，展现出了良好的可复用性。 — Kevin Ding

> [00:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=0s) 我们这个世界上需要去被 AI 解决的问题和场景，它其实无论是从当下时间点看，它已经是无穷无尽的了……在这个模式下我们尝试去用一种有限参数的这么一个模型去泛化掉无限的场景，这个事情目前来看，我觉得至少在这个 Transformer 这个架构上实现还是蛮有挑战的。 — Kevin Ding

> [05:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=300s) 真正要让 Agent 在生产环境中持续改进，还需要把训练、奖励、反馈、部署和数据回流串成一条可以自动循环的管道——也就是 Pyromind 正在押注的 AutoRL。 — Kevin Ding

> [05:00](https://www.bilibili.com/video/BV12AtF6EEt9?t=300s) 需求世界是多元的，不是所有问题都应该被收拢到一个中心化大模型里解决。 — Kevin Ding

## Mentioned Pyromind, Kevin Ding, 丁一, Koji, 杨远骋, 十字路口, 高瓴资本, 百度风投, 蓝驰创投, Atypical, Adebico, 伦敦国王学院, King's College London, 阿里云, EcoMind, Pyromind Studio, PyroDash

[Source](https://www.bilibili.com/video/BV12AtF6EEt9)

中文简报

Pyromind完成天使轮融资，押注AutoRL与大小模型协作架构单体大模型难以穷尽无穷且动态演进的企业级场景，只有通过部署自动构建强化学习闭环的AutoRL管道，才能让Agent在生产环境中实现可持续的递归自我改进。节目深入讨论了 AI 下半场的技术演进与路线之争：相较于单一超级大模型的泛化路线，更看好专业化 Agent 风群与 AutoRL（自动强化学习）的结合。访谈详细拆解了 Pyromind 从单纯提供 Serverless 训练 Infra（Studio）向实现“数据-奖励-训练-部署”自动闭环（EcoMind）的演进，并分享了如何通过 PyroDash 架构与递减的 FDE（前线部署工程师）工作量，将企业级 AI 交付从一次性项目制咨询转变为可横向复制的标准化管道。前阿里云架构背景的 Kevin Ding 创立 Pyromind 并完成天使轮融资，投资方包括高瓴、百度风投、蓝驰等机构；团队已初步跑通 PMF，交付与适配成本呈现递减趋势。 (0:00) 相比预训练单体超级大模型，Pyromind 押注由大量垂直 Agent 构成的蜂群形态（ASI），并认为企业部署数十个 Agent 时，必须依赖 RSI（递归自我改进）来实现无人工干预的自主进化。 (0:00) 纯粹的 RL as a Service 仍严重依赖算法工程师撰写奖励函数，Pyromind 将业务核心升级为 AutoRL，把反馈、奖励、训练和部署串联成全自动管道。 (5:00) Pyromind 推出底层 Serverless 训练 Infra 产品 Pyromind Studio，以及通过 Proxy URL 自动收集轨迹并触发后训练的 AutoRL 全托管产品 EcoMind。 (5:00)

Reading summary

Pyromind 创始人 Kevin Ding 认为，AI 下半场不会走向单一超级大模型的绝对垄断，而是会演化为由海量专业化模型构成的“服务化 Agent 风群”；面对无限且动态的企业落地场景，唯有依托自动强化学习（AutoRL）实现递归自我改进（RSI），才能摆脱人工维护与项目制定制的瓶颈。单体大模型局限与 Agent 风群分歧 (0:00) 围绕 AI 下半场的发展路径，业内存在预训练暴力 Scaling 单体大模型与专业化 Agent 风群两种路线分歧。Kevin 指出，真实世界中需要 AI 解决的场景无穷无尽，在现有的 Transformer 架构下，试图用有限参数的单体模型泛化无限场景面临巨大挑战。他主张未来走向人工超级智能（ASI）的形式将是由多 Agent 在垂直场景协同作业。当单一企业需要维护数十个协同工作的 Agent 时，依靠人工调参微调将难以为继，必须依托环境反馈使 Agent 具备自主更新的递归自我改进（RSI）能力。从单点训练管线到全自动闭环演进在探索商业落地的过程中，Pyromind 经历了从单纯提供“强化学习即服务”（RL as a Service）向“自动强化学习”（AutoRL）的迭代。初期团队主要为客户搭建通用的训练流水线并托管底层调度，但在服务 GUI Agent 等客户时发现，开发者仍需投入大量算法人力手动分析场景、清洗数据并编写奖励函数（Reward Signal）。为此，Pyromind 转向自动化闭环，依托末端收集的交互轨迹（Traces）自动触发后训练，从而降低了横向客户交付与适配的边际工作量，初步验证了以 AutoRL 驱动自我改进的商业可行性。 Studio 与 EcoMind 的双层产品架构 Pyromind 目前落地了由底层基础设施与上层闭环应用构成的两款核心产品。底层产品 Pyromind Studio 定位为 Serverless 训练基础设施，开发者无需关注物理机调度与单机多卡横向扩展细节，仅需配置逻辑节点与数据并行大小（DP-Size）即可完成弹性调度；上层产品 EcoMind 则提供全托管的 AutoRL 方案，企业只需将 Agent 接入代理 URL（Proxy），系统便会自动抓取交互轨迹、构建数据集并调用奖励机制驱动后训练，实现模型的自主无感进化。 Kevin 描绘的商业闭环核心在于通过环境交互反馈取代算法工程师的人工干预，但该模式在更大规模落地时，仍取决于末端 Agent 能否持续提供高质量且有效的真实环境交互轨迹。

Source quotes

[0:00] Kevin Ding: AutoRL 是当下大热的 RSI（Recursive Self-Improvement，递归自我改进）方向落地时更为具象化的实现路径。 [0:00] Kevin Ding: 验证了以 AutoRL 方式实现 RSI 的商业模型完全成立；二是在横向场景和客户拓展上，交付与适配的工作量呈逐步递减趋势，展现出了良好的可复用性。 [0:00] Kevin Ding: 我们这个世界上需要去被 AI 解决的问题和场景，它其实无论是从当下时间点看，它已经是无穷无尽的了……在这个模式下我们尝试去用一种有限参数的这么一个模型去泛化掉无限的场景，这个事情目前来看，我觉得至少在这个 Transformer 这个架构上实现还是蛮有挑战的。 [5:00] Kevin Ding: 真正要让 Agent 在生产环境中持续改进，还需要把训练、奖励、反馈、部署和数据回流串成一条可以自动循环的管道——也就是 Pyromind 正在押注的 AutoRL。 [5:00] Kevin Ding: 需求世界是多元的，不是所有问题都应该被收拢到一个中心化大模型里解决。

Original transcript

[0:00] 嗨,我是Koji本周十足路口的嘉宾是PyroMind的创始人和CEO Kevin DeanPyroMind所在的赛道是非常热门的RL as a Service也就是强化学习及服务或者后训练及服务他们前不久刚完成了贴使轮融资投资机构包括高林百度风投蓝池等你好凯文欢迎来到十字路口大家好好我们还是从快案快答开始帮助大家尽快了解你请问凯文你的年龄我是94年的32岁请问你的求学经历伦敦国防学院Kens CarltonMBTI和星座如果是按测试结果来看是INTG但是我的感觉可能IE之间星座是摩羯OK那么一句话介绍一下PyroMine最终定位就是一个AutoRail它跟现在大家一直在讨论的RSI这个方向其实是相对于它是一个比较具象化的一个实现路径我们待会再讲开聊一下对然后咱们的融资情况呢我们是去年公司成立之后就做了一轮高岭百度风投还有蓝驰还有Adebico目前咱们团队的规模是我们现在有20多个人咱们现在收入和利润方面讲吗具体数值就先不是一点的但是现在我们我觉得比较振奋人心的一点我定义就是说他初步的跑通了PMF什么样的PMF跑通了两个方向一个方向就是证明我们提供out of rl 证方式实现的RSI是有价值的这是第一点就是它的商业模型至少是成立的第二点呢就是说它的这种可困难性就是说在横向的这种场景和客户的这种复制上来说我们的工作量是逐步递减的明白咱们在创业之前做过些什么我之前其实有很多经历是放在PN Infra这里的因为我之前也是在阿里云然后在阿里云其实也做了弹性GPU实力包括训练GPU的这些集群当时咱们是看到了什么样的机会决定创业做Paramind其实当时我的想法是这样模型预训练这个事情到现在为止其实远远没有到终结的时候当时看到一个趋势就是到25年下半年也看到无论社区也好还是硅谷也好还是国内的技术权也好大家都在讨论AI可能要进入下半场下半场的说法就出现了两个方向一个方向就是认为我们继续沿着预训练走AI才到来的形式会是一个超级庞大的它能够解决绝大多数的场景里面的问题效果还足够好然后另一条路线或者是另一个讨论的方向就是它最终ASI的形态会是一个服务化的形态是一个agent的风群的形态因为我个人来说肯定偏向于后者因为我觉得这个更实际一点因为我们这个世界上需要去被AI解决的问题和场景它其实无论是从当下时间点看它已经是无穷无尽的了同时随着时间的推移会产生不断的新的这个场景出来而且这个场景本身它也不是静态的那在这个模式下我们尝试去用一种有限参数的这么一个模型去泛化掉无限的场景这个事情目前来看我觉得在至少在这个Transformer这个架构上实现还是蛮有挑战的到目前为止又过了一年多就是你有看到一些信号就是这个让你感觉你一开始的BET是越来越成立了吗是的理论我们看到的是第二条路必然是成立的就是我不能说正伪第一条路但是呢我能论证的就是说第二条这种服务化的路线它是一定成立的因为需求是一直在那里的然后需求一直也在增长的然后这一年我看到的一个变化就是说大家为什么现在去提RSI为什么就是在之前RSI其实没有热度没有那么高其实这就是服务化带来的一个结果是因为你去agent步的多了就是我们可以想象一下几十个agent再去做一件事他是不可能有精力去维护每一个agent的这种眼镜的对吧而是要需要就是因为其实agent的心态开始多起来了我们这一个个的agent在嵌入到场景里面的时候我们对它最终的衡量方式是它得在一定的时间轴上表现都得符合我的预期这个实现的方法就是agent需要自我去迭代然后你agent的本身需要有自我改进的能力才能做到这些事咱们一开始做Paramind的时候就想到了要用AutoRL去做RSI吗还是这个是在过程中慢慢浮现出来的实话说其实是过程中浮现出来的一方面我们自己本来就在看这个方向另一方面其实讲一个有意思的故事后训练这个事对我们自己影响比较大因为你会发现以RL为代表的这种后训练技术它其实是拿到环境的反馈然后去更新拿到它是一个持续的过程其实对我们自己去研判方向我们团队也是这样子的 [5:00] 我们其实一开始在创立之初我们认为做到ROS Service做到一个扁平的Service形态其实就已经差不多能满足这些agent的部署的这些要求了但是我们后来发现它依然是不够的因为Service它的面向的对象终归还是要有一个developer在那边去驱动agent去改进的对吧所以我们在这个阶段我们才去想其实Service只几了一半的问题因为我们真正把RSI跑起来要解决两个问题一个是奖励的问题所以我们就开始规划说Auto RL要怎么跑起来同样的奖励就纳入了我们的scope可以用一个具体的客户的例子来讲一下我们只给他单独做RLSR Service和我们现在要给他做Auto RL具体的服务的内容有什么不同吗我觉得比较好的例子就是GUI Agent的一位客户因为他们下游有蛮多的消费的部署量的然后他会收上来很多这种用户这种特定的需求以及他自己的产品迭代需求进来我们一开始提供的这个RO Service呢是给了他一个Studio然后去把一个通用的一个Training Pipeline去给他固定下来但是呢他依然是要不断的去投入自己的这个算法工程师也好或者什么样的人也好去不断的去更新这个Agent本身我们只给他去把训练这件事情解决的很好因为就是你想嘛一个训练要去完整的解决完就是完成一版模型更新他其实除了这个需求册的一些分析就翻一张奖励然后训练同时后端的infra也要被解决我们当时把infra的问题全部给它解决掉了但是他依然没有摆脱掉说他依然会去投大量的人力去搞这个东西然后我们后来去就是到了第二期的时候我们去把这个GY方向的这种奖励做了做之后我们发现其实这个loop其实可以自动化的跑起来的因为就是只要他的这个末端部署的这些agent他能源源不断的收上来用户在真实环境下的一些反馈这个东西说过来之后我们就在想那为什么不让它能够自主的循环去跑起来所以我们在第二期就给它把这个Ecomind产品推过去了其实咱们现在提供的这个主要的产品有两个一个就是Paramind Studio然后另外一个叫Ecomind然后可不可以分别介绍一下它们俩是什么样的产品 Studio就是我们提供的解决训练Infra的一个Serviless的一个Service我们会在这个Studio上去实现大量的这种训练所依赖的逻辑节点因为开发者在去配这个节点的时候他是不需要去关心就他在物理机上的实现的他更多的只是配置了一个训练的参数然后这个逻辑节点他横向着K-scaling的你可以去做这种单点的单卡的算力然后单台的到多台的这种都是可以在一个逻辑点上去扩展的然后这个扩展的工作是我们去做掉了然后对于训练开发者来说他只要去把训练这个参数以及像DP-Size去配备好就可以了然后对于Ecomine的这种产品来讲刚才所叙述的整个RSI的流程全部都包在ACMED的背后然后我们给用户透出的是什么呢是一个proxy 就是一个代理的URL然后这个URL只要去插入到某一个agent里面其实他就可以去源源不断的去把agent在这种轨迹抓起来它就是一个相对来说比较整齐的一个数据集这个数据集他去过这个奖励结构然后去生成这样的一个training pipeline 然后去训练拿到

Pyromind完成天使轮融资 押注AutoRL与大小模型协作架构