英伟达Polar框架发布：强化学习优化代码智能体性能大幅提升
创始人
2026-05-29 03:25:16
0次
5月28日消息，英伟达研究团队本周发布了一个名为Polar的开源框架，该框架能够在不破坏原有工具调用、上下文组织和补丁提交方式的前提下，使Codex、ClaudeCode、QwenCode等现有智能体框架接入GRPO（广义相对策略优化）训练。GRPO是一种强化学习训练的优化方法，通过依据奖励信号调整模型策略，使模型在多步决策任务中学会更优动作。Polar的核心设计在于将智能体与模型之间的接口作为训练边界，而不是将执行框架本身改造成环境，从而降低了接入成本并保留了原生执行细节。
Polar框架由rolloutserver和gatewaynode组成，前者负责任务提交、会话调度、状态持久化和回调接收；后者负责会话执行全生命周期，包括运行时启动、执行框架准备、轨迹构建、结果评测和资源回收。此外，Polar还优化了初始化、运行中、后处理流程，并设置了READY缓冲区，以减少长尾任务对GPU训练的阻塞。在软件工程任务的实验中，Polar配合GRPO训练后，在SWE-BenchVerified的pass@1分数上实现了显著提升，效率方面也得到了极大的改善，如prefix_merging相比per_request，将训练步骤中的更新次数大幅降低，墙钟时间也显著缩短。
相关内容
热门资讯
视频丨216国道抢通已推进至核...
8月26日上午，因尼泊尔一侧发生泥石流灾害，造成西藏日喀则市吉隆县吉隆口岸重大人员伤亡、失联。抢险救...
半小时就能配齐一台机器人，深圳...
编者按：健康完备的经济生态，是推动高质量发展的重要保障。即日起，南方日报、南方+推出“解码广东经济生...
两宫超1.2万个学位！广州天河...
有剧场、科技馆、体育馆美术馆、书画室、艺创工坊……天河区少年宫新宫 （下称“天河区少年宫”）将于今年...
视频丨西藏吉隆县泥石流灾害抢险...
西藏吉隆县泥石流灾害抢险救援进入第7天。今天（9月1日）上午9时55分，西藏自治区在日喀则市公安局吉...
数智赋能黔山田：从“云端”算力...
近日，2026中国国际大数据产业博览会(简称“数博会”)在贵阳正式拉开帷幕。在这场以“词元——数据要...
8月深圳楼市持续稳固向好 二手...
8月，全市新建商品住宅和二手住宅合计成交6864套，同比增长8.5%，国家统计局发布的一、二手住宅销...
9月5日起，广州黄埔新增设多个...
@黄埔街坊9月5日起黄埔新增设多个公交车站8月30日，广州市交通运输局官网发布《关于优化公共汽车南海...
开学第一课丨我国运载火箭为啥叫...
今年，是中国共产党成立105周年，中国工农红军长征胜利90周年。在中国共产党百余年奋斗历程中，长征，...
新华鲜报|一树扎根沙地 “赛考...
“故事永远不会结束。”9月1日，北京首都国际机场。返程前，美国友人“赛考斯”（本名罗纳德·萨科尔斯基...
各地学校举办丰富多彩“开学第一...
央视网消息：这两天，全国中小学陆续迎来新学期。各地以主题鲜明、形式多样的“开学第一课”，引导学生们厚...