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。
上一篇：9系新能源SUV扎堆上市，华为、蔚来、极狐领衔高端市场新战局
下一篇：没有了
相关内容
热门资讯
英伟达Polar框架发布：强化...
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...
9系新能源SUV扎堆上市，华为...
近日，问界M9、蔚来ES9、极狐问道V9三款"9系"车型同日上市，覆盖20万至60万元级差异化价格带...
新能源SUV安全大比拼：问界M...
今日，中保研（C-IASI）发布了2025年测评车型第四次结果，涉及三款新能源SUV车型：问界M8、...
蔚来李斌评法拉利Luce：实车...
近日，蔚来汽车创始人李斌在全新蔚来ES9上市后接受媒体采访，对法拉利首款纯电动车Luce的设计发表了...
2026天津智博会开幕，700...
5月28日，2026世界智能产业博览会在天津盛大开幕。本届博览会以“智行天下能动未来”为主题，聚焦低...
“问界M9改款升级：性能强悍S...
近日，问界M9改款车型正式亮相，自23年底发布以来，累计交付量已达28.5万辆。新M9在底盘、动力、...
奥迪Q9旗舰SUV将主攻美中市...
近日，奥迪CEO高德诺在全新Q9预览活动的采访中表示，奥迪希望通过这款旗舰SUV提升品牌认知，但不会...
星尘智能发布8.99万双臂机器...
5月27日，星尘智能公司宣布推出新一代绳驱AI机器人T1，其起售价仅为8.99万元，预计将于6月1日...
蔚来ES9发布：48V主动悬架...
5月27日，蔚来在其ES9上市发布会上，蔚来创始人、董事长、CEO李斌就主动悬架技术路线发表了明确观...
欧洲4月电动车销量激增，中国品...
5月27日，欧洲汽车制造商协会最新数据显示，4月份欧洲汽车市场增长主要由纯电动、插电式混合动力和混合...