幸运8澳洲app(中国)官方下载 英伟达推出 AI 框架 Polar，让 Codex 跑分暴涨 594.74%

导语：英伟达经营团队本周发布开源框架 Polar，在不破损原有器用调用、陡立文组织和补丁提交神色的前提下，让 Codex、Claude Code、Qwen Code 等现存智能体框架接入 GRPO（广义相对战术优化）进修。

IT 之家  5 月 28 日音问，英伟达经营团队本周发布开源框架 Polar，在不破损原有器用调用、陡立文组织和补丁提交神色的前提下，让 Codex、Claude Code、Qwen Code 等现存智能体框架接入 GRPO（广义相对战术优化）进修。

IT 之家注：GRPO 是一种面向强化学习进修的优化顺次，会依据奖励信号调节模子战术，让模子在多步有打算任务里学会更优动作。

本文里，GRPO 主要用于代码智能体进修，让模子在委果器用调用和补丁提交历程中抓续更正证实。

论文指出智能体强化学习正从单步任务转向长历程任务，比如代码仓库修改、浏览器操作和操作系统交互。这类任务时时依赖现成实践框架，包含多轮调用、器用使用、陡立文压缩和子智能体配合。

现存难点在于，百家乐2026世界杯中国官方下载这些框架很难平直改写成传统强化学习环境接口，一朝强行接入，还可能丢失要道进修信号。

英伟达 Polar 并非重写智能体框架，聚焦在模子 API 限度摈弃智能体，基本不更动原有 harness。

harness 指 Codex CLI、Claude Code、Qwen Code、Pi 这类智能体运行外壳。传统强化学习基础设施常常条目把这类逻辑改写到近似   env.init   ( ) 、env.step   ( ) 、env.reset   ( ) 的环境接口里，接入本钱高，幸运8还可能丢失原生实践细节。

Polar 的中枢联想，是把智能体与模子之间的接口手脚进修限度，而不是把实践框架本人改形成环境。

它在实践框架和推理管事器之间摈弃模子智能体，兼容 Anthropic、OpenAI、Google 作风苦求，转发苦求时纪录指示词、采样 Token、对数概率和反应本体，再把这些信息重建成可供进修器糜掷的轨迹。

在系统结构上，Polar 由 rollout server 和 gateway node 构成。前者负包袱务提交、会话转念、现象抓久化和回调领受；后者认真会话实践全生命周期，包括运行时启动、实践框架准备、轨迹构建、截止评测和资源回收。

论文还把启动化、运行中、后处分拆到寂然责任池，并竖立 READY 缓冲区，让运行时预热和评测预热在后台并行，减少长尾任务对 GPU 进修的梗阻。

实验部分聚焦软件工程任务。基于吞并个 Qwen3.5-4B 底座模子，在 Codex、Claude Code、Qwen Code、Pi 4 种代码实践框架上，Polar 配合 GRPO（组相对战术优化）进修后，在 SWE-Bench Verified 的 pass@1 分数离别从 3.8% 提高到 26.4%（增涨 594.74%）、29.8% 提高到 34.6%、34.6% 提高到 35.2%、34.2% 提高到 40.4%。

在成果方面，prefix_merging 比较 per_request，把 3 个进修智力中的更新数从 1185 次降到 218 次，墙钟工夫从 189.5 分钟镌汰到 35.2 分钟，约快 5.39 倍；rollout GPU 平均期骗率也从 20.4% 升到 87.7%。

（著作为作家寂然不雅点幸运8澳洲app(中国)官方下载，不代表艾瑞网态度）