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
一张“清澈对望”图看见广东生态...
文/羊城晚报全媒体记者 余宝珠 薛仁政“近日，一位摄影爱好者在东莞市洪梅镇用长焦镜头捕捉到35公里外...
“停车1小时+1分钟”怎么算？...
文/羊城晚报全媒体记者 罗清峣 实习生 黄嘉锐8月12日，张女士在广州南沙区凯吉路停车场缴费3.25...
科创赋能产业引领，广州海珠天河...
8月13日，广州市人民政府新闻办公室召开“十五五”开局之年看广州——“科创赋能·产业引领”海珠区、天...
广州规划建设八大海洋特色产业园
8月12日，南沙高企形象大使暨“百家全重进湾区行动”及“庆盛夜话”系列活动——海洋经济产业科技创新交...
全球瞭望丨南非媒体：全球发展倡...
新华社开普敦8月13日电（记者王晓梅 王雷）南非独立在线新闻网站12日刊文指出，全球发展倡议推动全球...
认知工作室|警惕日本“新型军国...
8月4日，日本防卫省正式发布2026年度《防卫白皮书》。在不断升级对华敌意叙事的同时，首次在白皮书封...
和谐共生｜这支大象“明星旅行团...
2020年至2021年，一群云南野生亚洲象的北上南归之旅，历时17个月，跨越1300多公里，引发全球...
“婚外胚胎案”男方主动撤销离婚...
8月13日，记者从备受关注的“婚外胚胎纠纷案”当事人朱女士处了解到，原本由男方提起的离婚案，在经历前...
“两弹一星”元勋王希季逝世，享...
中国共产党优秀党员，我国航天事业开拓者之一，著名空间技术专家，中国科学院院士，国家“两弹一星功勋奖章...