Дом
NVIDIA открыла исходный код платформы Polar для эволюции агентов искусственного интеллекта без барьеров посредством обучения с подкреплением
28 мая исследовательская группа NVIDIA открыла исходный код Polar — платформы для обучения методом усиления. Её основная инновация заключается в беспроблемной интеграции существующих популярных программных агентов — таких как Codex, Claude Code и Qwen Code — в процесс обучения методом усиления GRPO (Generalized Relative Policy Optimization) без необходимости внесения каких-либо изменений в исходный код.
I. Проблемы отрасли: препятствия на пути к обучению агентов с помощью методов усиления
По мере того как кодовые агенты эволюционируют от простых одношаговых задач к сложным, длительным процессам — таким как модификации кода на уровне хранилища или взаимодействие с ОС — разработчики все чаще полагаются на зрелые фреймворки выполнения (Harness). Однако интеграция этих сложных фреймворков в традиционную инфраструктуру обучения с подкреплением сопряжена со значительными трудностями:
Высокая стоимость интеграции: традиционные методы требуют переписывания логики кода в стандартные интерфейсы среды, такие как env.init() и env.step(), что является чрезвычайно утомительным процессом.
Потеря информации: во время рефакторинга часто теряются важные детали — такие как вызовы инструментов, контекст многоходового диалога или логика взаимодействия субагентов — что не позволяет модели получать высококачественные сигналы обучения.
II. Основное решение: использование «границы» в качестве точки входа для обучения
Polar устраняет необходимость переписывания фреймворка выполнения. Вместо этого он рассматривает границу API модели как точку входа для обучения.
Обработка «черного ящика»: Polar размещает прозрачный прокси (шлюз) между средой выполнения кода и сервером инференса модели. Независимо от того, использует ли агент API от Anthropic, OpenAI или Google, Polar беспрепятственно перехватывает и перенаправляет запросы.
Реконструкция трассировки: при пересылке Polar записывает ключевые данные в реальном времени — такие как подсказки, выборочные токены и вероятности журнала — и реконструирует их в данные «трассировки», необходимые тренеру реинфорсментного обучения.
Эффективная асинхронная архитектура: система использует сервер Rollout для планирования и сохранения данных, а узлы шлюза управляют жизненным циклом и повторным использованием ресурсов. Благодаря использованию предварительно нагретого буфера (буфера READY) и параллельной обработке задач она эффективно устраняет задачи с длинным хвостом, которые могут блокировать обучение на GPU.
III. Скачок производительности: трансформация кодовых агентов
Экспериментальные данные показывают, что Polar в сочетании с обучением GRPO дает значительный прирост производительности:
Проверенный тест SWE-Bench: при использовании одной и той же базовой модели Qwen3.5-4B производительность варьируется в зависимости от фреймворка кода:
Фреймворк Codex: показатель pass@1 поднимается с 3,8% до 26,4% — рост на 594,74%.
Фреймворк Claude Code: с 29,8% до 34,6%.
Фреймворк Pi: с 34,2% до 40,4%.
Экстремальная эффективность: после внедрения стратегии prefix_merging время обучения сокращается примерно в 5,39 раза по сравнению с традиционным режимом «за запрос», а загрузка GPU повышается с 20,4% до 87,7%.
Комментарии отрасли
Открытие исходного кода NVIDIA Polar по сути создает «магистраль» для входа агентов ИИ в обучение с помощью метода усиления. Это не только позволяет исследователям эффективно проводить обучение с использованием масштабных фреймворков с открытым исходным кодом, но и снижает барьер для вычислений на GPU за счет оптимизации на системном уровне.
С ростом популярности Polar разработчикам больше не нужно беспокоиться о том, «как адаптировать модели к фреймворкам обучения». В будущем эволюция кодирующих агентов ИИ станет более стандартизированной и эффективной. Это знаменует переход в обучении агентов ИИ от ручной настройки в лаборатории к крупномасштабному, систематическому инженерному производству.
URL статьи: https://arxiv.org/pdf/2605.24220
Связанная статья
Wan-Streamer v0.2 обеспечивает сверхнизкую задержку ИИ-чата
По мере стремительного развития современных технологий взаимодействие человека с искусственным интеллектом становится всё более распространённым. Традиционные видеозвонки часто страдают от задержек, лагов и рассинхронизации аудио- и видеоданных. Wan-
Meta присоединяется к TSMC и Micron для оснащения новых серверов старой памятью
По мере ускорения внедрения искусственного интеллекта во всем мире наблюдается острый дефицит памяти следующего поколения DDR5. Чтобы избежать задержек в развертывании центров обработки данных для ИИ, Meta заключила партнерство с ведущими отраслевыми
Как базы данных временных рядов обеспечивают обработку данных робототехники в реальном времени
Дуг Паджутти из Tiger Data.Паджутти работает в качестве промышленного разработчика-адвоката в Tiger Data, поддерживая команды в создании реальных промышленных систем.Имея более 12 лет опыта в нефтегазовой отрасли и автоматизации производства, он рабо
Рекомендации по связанным специальным темам
Дизайн и искусство
Лучшие инструменты для создания иллюстраций с помощью ИИ: быстрее создавайте редакционные сцены и обложки
2026: Новейшие и самые популярные инструменты для создания иллюстраций с помощью ИИ: в нашем тщательно подобранном списке представлены лучшие инструменты с мощными функциональными возможностями, позволяющие быстро создавать потрясающие редакционные сцены и привлекательные обложки. Каждый вариант прошел тщательные практические испытания; мы предлагаем сравнение бесплатных и платных версий, чтобы помочь вам найти идеальный вариант для вашего рабочего процесса. Попробуйте эти незаменимые решения уже сегодня, чтобы раскрыть потенциал искусственного интеллекта и повысить свою творческую продуктивность. Узнайте больше на сайте XIX.AI.
10 инструментов
xix.ai
Образование и обучение
Лучшие репетиторы по искусственному интеллекту для подготовки к экзаменам: практикуйтесь по математике, естественным наукам и английскому языку
2026 года: лучшие и самые популярные ИИ-репетиторы для подготовки к экзаменам представлены на XIX.AI! В нашем тщательно подобранном списке представлены мощные инструменты, которые кардинально изменят ваш подход к обучению: здесь вы найдете сравнение бесплатных и платных версий, тесты на практике и еженедельно обновляемые рейтинги. Они помогут повысить эффективность вашего письма, упростить изучение сложных тем и раскрыть ваш академический потенциал. Ознакомьтесь с ними прямо сейчас, чтобы найти идеальный инструмент для подготовки к экзаменам, и начните творить уже сегодня, чтобы раскрыть свои преимущества благодаря ИИ!
10 инструментов
xix.ai
Финансы
Инструменты планирования бюджета на основе ИИ для управления личными финансами
В 2026 году на XIX.AI представлены новейшие, лучшие и наиболее рейтинговые инструменты ИИ для бюджетного планирования по личным финансам! Эта тщательно отобранная коллекция включает мощные, революционные решения, которые помогают проводить реальные тесты, понимать привычки расходов и создавать персонализированные планы для повышения продуктивности. Наслаждайтесь бесплатным сравнением с платными версиями вместе с подробными рейтингами. Инструменты, которые обязательно стоит попробовать, разработаны для упрощения управления деньгами и раскрытия вашего преимущества ИИ. Исследуйте сейчас!
11 инструментов
xix.ai
Здоровье и благополучие
Помощники для отслеживания сна с ИИ: улучшите восстановление за счёт более правильных привычек перед сном
2026 год: лучшие и наиболее высоко оценённые помощники для отслеживания сна на основе ИИ, отобранные для максимального восстановления организма. В этом полностью обновлённом еженедельном руководстве представлены мощные инструменты с результатами реальных тестов, сравнением бесплатных и платных версий, а также подробными рейтингами, которые помогут вам найти оптимальное решение для улучшения качества сна и формирования лучших привычек перед сном. Ознакомьтесь с ним прямо сейчас на сайте XIX.AI, чтобы раскрыть потенциал ИИ в вашей жизни.
10 инструментов
xix.ai
Анализ данных
AI-копилоты SQL для аналитики продуктов и выручки
2026: лучшие и самые популярные ИИ-помощники для работы с SQL в сфере аналитики продуктов и доходов! XIX.AI подготовила мощную, революционную подборку инструментов, которые обязательно стоит попробовать. Они проходят проверку в реальных условиях и включаются в еженедельно обновляемый рейтинг. Эти инструменты помогают пользователям значительно повысить продуктивность за счет ускорения анализа данных, оптимизации сложных запросов и получения точных аналитических выводов, которые позволяют принимать более обоснованные бизнес-решения. Ознакомьтесь с ними прямо сейчас, чтобы найти идеальный инструмент, который поможет вам раскрыть весь потенциал искусственного интеллекта!
14 инструментов
xix.ai
Образование и обучение
Лучшие помощники по домашним заданиям с ИИ, которые учат: изучайте концепции, а не просто ответы
2026: лучшие и самые популярные помощники по домашним заданиям с ИИ, которые обучают основным концепциям, а не просто дают готовые ответы. Мощные инструменты для студентов. Обязательный к пробованию тщательно отобранный список. Еженедельное обновление. Сравнение бесплатных и платных версий. Тестирование в реальных условиях. Точные рейтинги, которые помогут вам раскрыть весь свой учебный потенциал. Исследуйте сейчас, чтобы найти идеальный инструмент для более эффективного обучения.
10 инструментов
xix.ai
Комментарии (1)
![AlbertWalker]()
So NVIDIA just dropped Polar as open source? That's huge for AI coding agents - integrating Codex and Claude with reinforcement learning sounds like a game changer. But I wonder how much compute you'd need to actually train it effectively... 🤔
28 мая исследовательская группа NVIDIA открыла исходный код Polar — платформы для обучения методом усиления. Её основная инновация заключается в беспроблемной интеграции существующих популярных программных агентов — таких как Codex, Claude Code и Qwen Code — в процесс обучения методом усиления GRPO (Generalized Relative Policy Optimization) без необходимости внесения каких-либо изменений в исходный код.
I. Проблемы отрасли: препятствия на пути к обучению агентов с помощью методов усиления
По мере того как кодовые агенты эволюционируют от простых одношаговых задач к сложным, длительным процессам — таким как модификации кода на уровне хранилища или взаимодействие с ОС — разработчики все чаще полагаются на зрелые фреймворки выполнения (Harness). Однако интеграция этих сложных фреймворков в традиционную инфраструктуру обучения с подкреплением сопряжена со значительными трудностями:
Высокая стоимость интеграции: традиционные методы требуют переписывания логики кода в стандартные интерфейсы среды, такие как env.init() и env.step(), что является чрезвычайно утомительным процессом.
Потеря информации: во время рефакторинга часто теряются важные детали — такие как вызовы инструментов, контекст многоходового диалога или логика взаимодействия субагентов — что не позволяет модели получать высококачественные сигналы обучения.
II. Основное решение: использование «границы» в качестве точки входа для обучения
Polar устраняет необходимость переписывания фреймворка выполнения. Вместо этого он рассматривает границу API модели как точку входа для обучения.
Обработка «черного ящика»: Polar размещает прозрачный прокси (шлюз) между средой выполнения кода и сервером инференса модели. Независимо от того, использует ли агент API от Anthropic, OpenAI или Google, Polar беспрепятственно перехватывает и перенаправляет запросы.
Реконструкция трассировки: при пересылке Polar записывает ключевые данные в реальном времени — такие как подсказки, выборочные токены и вероятности журнала — и реконструирует их в данные «трассировки», необходимые тренеру реинфорсментного обучения.
Эффективная асинхронная архитектура: система использует сервер Rollout для планирования и сохранения данных, а узлы шлюза управляют жизненным циклом и повторным использованием ресурсов. Благодаря использованию предварительно нагретого буфера (буфера READY) и параллельной обработке задач она эффективно устраняет задачи с длинным хвостом, которые могут блокировать обучение на GPU.
III. Скачок производительности: трансформация кодовых агентов
Экспериментальные данные показывают, что Polar в сочетании с обучением GRPO дает значительный прирост производительности:
Проверенный тест SWE-Bench: при использовании одной и той же базовой модели Qwen3.5-4B производительность варьируется в зависимости от фреймворка кода:
Фреймворк Codex: показатель pass@1 поднимается с 3,8% до 26,4% — рост на 594,74%.
Фреймворк Claude Code: с 29,8% до 34,6%.
Фреймворк Pi: с 34,2% до 40,4%.
Экстремальная эффективность: после внедрения стратегии prefix_merging время обучения сокращается примерно в 5,39 раза по сравнению с традиционным режимом «за запрос», а загрузка GPU повышается с 20,4% до 87,7%.
Комментарии отрасли
Открытие исходного кода NVIDIA Polar по сути создает «магистраль» для входа агентов ИИ в обучение с помощью метода усиления. Это не только позволяет исследователям эффективно проводить обучение с использованием масштабных фреймворков с открытым исходным кодом, но и снижает барьер для вычислений на GPU за счет оптимизации на системном уровне.
С ростом популярности Polar разработчикам больше не нужно беспокоиться о том, «как адаптировать модели к фреймворкам обучения». В будущем эволюция кодирующих агентов ИИ станет более стандартизированной и эффективной. Это знаменует переход в обучении агентов ИИ от ручной настройки в лаборатории к крупномасштабному, систематическому инженерному производству.
URL статьи: https://arxiv.org/pdf/2605.24220
Wan-Streamer v0.2 обеспечивает сверхнизкую задержку ИИ-чата
По мере стремительного развития современных технологий взаимодействие человека с искусственным интеллектом становится всё более распространённым. Традиционные видеозвонки часто страдают от задержек, лагов и рассинхронизации аудио- и видеоданных. Wan-
Meta присоединяется к TSMC и Micron для оснащения новых серверов старой памятью
По мере ускорения внедрения искусственного интеллекта во всем мире наблюдается острый дефицит памяти следующего поколения DDR5. Чтобы избежать задержек в развертывании центров обработки данных для ИИ, Meta заключила партнерство с ведущими отраслевыми
Как базы данных временных рядов обеспечивают обработку данных робототехники в реальном времени
Дуг Паджутти из Tiger Data.Паджутти работает в качестве промышленного разработчика-адвоката в Tiger Data, поддерживая команды в создании реальных промышленных систем.Имея более 12 лет опыта в нефтегазовой отрасли и автоматизации производства, он рабо
2026: Новейшие и самые популярные инструменты для создания иллюстраций с помощью ИИ: в нашем тщательно подобранном списке представлены лучшие инструменты с мощными функциональными возможностями, позволяющие быстро создавать потрясающие редакционные сцены и привлекательные обложки. Каждый вариант прошел тщательные практические испытания; мы предлагаем сравнение бесплатных и платных версий, чтобы помочь вам найти идеальный вариант для вашего рабочего процесса. Попробуйте эти незаменимые решения уже сегодня, чтобы раскрыть потенциал искусственного интеллекта и повысить свою творческую продуктивность. Узнайте больше на сайте XIX.AI.
10 инструментов
xix.ai
2026 года: лучшие и самые популярные ИИ-репетиторы для подготовки к экзаменам представлены на XIX.AI! В нашем тщательно подобранном списке представлены мощные инструменты, которые кардинально изменят ваш подход к обучению: здесь вы найдете сравнение бесплатных и платных версий, тесты на практике и еженедельно обновляемые рейтинги. Они помогут повысить эффективность вашего письма, упростить изучение сложных тем и раскрыть ваш академический потенциал. Ознакомьтесь с ними прямо сейчас, чтобы найти идеальный инструмент для подготовки к экзаменам, и начните творить уже сегодня, чтобы раскрыть свои преимущества благодаря ИИ!
10 инструментов
xix.ai
В 2026 году на XIX.AI представлены новейшие, лучшие и наиболее рейтинговые инструменты ИИ для бюджетного планирования по личным финансам! Эта тщательно отобранная коллекция включает мощные, революционные решения, которые помогают проводить реальные тесты, понимать привычки расходов и создавать персонализированные планы для повышения продуктивности. Наслаждайтесь бесплатным сравнением с платными версиями вместе с подробными рейтингами. Инструменты, которые обязательно стоит попробовать, разработаны для упрощения управления деньгами и раскрытия вашего преимущества ИИ. Исследуйте сейчас!
11 инструментов
xix.ai
2026 год: лучшие и наиболее высоко оценённые помощники для отслеживания сна на основе ИИ, отобранные для максимального восстановления организма. В этом полностью обновлённом еженедельном руководстве представлены мощные инструменты с результатами реальных тестов, сравнением бесплатных и платных версий, а также подробными рейтингами, которые помогут вам найти оптимальное решение для улучшения качества сна и формирования лучших привычек перед сном. Ознакомьтесь с ним прямо сейчас на сайте XIX.AI, чтобы раскрыть потенциал ИИ в вашей жизни.
10 инструментов
xix.ai
2026: лучшие и самые популярные ИИ-помощники для работы с SQL в сфере аналитики продуктов и доходов! XIX.AI подготовила мощную, революционную подборку инструментов, которые обязательно стоит попробовать. Они проходят проверку в реальных условиях и включаются в еженедельно обновляемый рейтинг. Эти инструменты помогают пользователям значительно повысить продуктивность за счет ускорения анализа данных, оптимизации сложных запросов и получения точных аналитических выводов, которые позволяют принимать более обоснованные бизнес-решения. Ознакомьтесь с ними прямо сейчас, чтобы найти идеальный инструмент, который поможет вам раскрыть весь потенциал искусственного интеллекта!
14 инструментов
xix.ai
2026: лучшие и самые популярные помощники по домашним заданиям с ИИ, которые обучают основным концепциям, а не просто дают готовые ответы. Мощные инструменты для студентов. Обязательный к пробованию тщательно отобранный список. Еженедельное обновление. Сравнение бесплатных и платных версий. Тестирование в реальных условиях. Точные рейтинги, которые помогут вам раскрыть весь свой учебный потенциал. Исследуйте сейчас, чтобы найти идеальный инструмент для более эффективного обучения.
10 инструментов
xix.ai
So NVIDIA just dropped Polar as open source? That's huge for AI coding agents - integrating Codex and Claude with reinforcement learning sounds like a game changer. But I wonder how much compute you'd need to actually train it effectively... 🤔
