arXiv cs.AI· Renxi Wang, Rifo Ahmad Genadi, Bilal El Bouardi, Yongxin Wang, Fajri Koto, Zhengzhong Liu, Timothy Baldwin, Haonan Li·· 3 小时前AI 评分37
AgentFly：用统一资源系统扩展智能体强化学习
AgentFly: Scaling Agentic Reinforcement Learning with Unified Resource System
AI 导读
AgentFly 是一个面向智能体强化学习（agentic RL）的框架，通过统一资源层将沙箱、模型服务、外部 API 等异构环境视为按类型调度的资源，支持按工具获取以复用多轮、异步背压，以及 rollout 与全局两种生命周期。该框架采用智能体、rollout、上下文、资源四层设计，并提供预置工具与环境，已在多个任务和模型上完成训练验证，同时给出了首个跨框架吞吐量对比。
来源：arXiv cs.AI · arxiv.org