论文提出异步智能体强化学习
新论文提出Single-rollout Asynchronous Optimization，用于提升长周期智能体任务中的LLM强化学习效率和稳定性。方法针对异步RL中的离策略和GRPO分组采样难题，尝试兼顾吞吐、训练稳定性与任务效果。
事件进展（1 篇报道）
-
2026-07-14 20:49
新论文提出Single-rollout Asynchronous Optimization，用于提升长周期智能体任务中的LLM强化学习效率和稳定性。方法针对异步RL中的离策略和GRPO分组采样难题，尝试兼顾吞吐、训练稳定性与任务效果。