首页英伟达开源 Polar 框架，助力通过强化学习实现零门槛的 AI 编码代理进化
5月28日，英伟达（NVIDIA）研究团队开源了强化学习训练框架Polar。其核心创新在于，能够将现有的主流代码代理（如Codex、Claude Code和Qwen Code）无缝集成到GRPO（广义相对策略优化）强化学习训练中，且无需对原始代码进行任何修改。
一、行业痛点：代理强化学习的障碍
随着代码代理从简单的单步任务演进为复杂且长期运行的流程（例如仓库级代码修改或操作系统交互），开发者越来越依赖成熟的执行框架（Harness）。然而，将这些复杂的框架集成到传统的强化学习基础设施中面临着重大挑战：
高集成成本：传统方法要求将代码逻辑重写为 env.init() 和 env.step() 等标准环境接口，这一过程极其繁琐。
信息丢失：在重构过程中，关键细节（如工具调用、多轮对话上下文或子代理协作逻辑）往往丢失，导致模型无法接收高质量的训练信号。
II. 核心解决方案：以“边界”作为训练入口点
Polar 消除了重写执行框架的必要性。相反，它将模型 API 边界作为训练入口点。
黑盒处理：Polar 在代码执行框架与模型推理服务器之间部署了一个透明代理（网关）。无论代理使用的是 Anthropic、OpenAI 还是 Google 的 API，Polar 都能无缝拦截并转发请求。
轨迹重建：在转发过程中，Polar 会记录实时关键数据（如提示词、采样令牌和日志概率），并将其重建为强化学习训练器所需的“轨迹”数据。
高效的异步架构：系统采用 Rollout 服务器负责调度和数据持久化，而网关节点则管理生命周期和资源回收。通过利用预热缓冲区（READY 缓冲区）和并行任务处理，它有效消除了可能阻塞 GPU 训练的长尾任务。
III. 性能飞跃：代码代理的转型
实验数据表明，Polar 与 GRPO 训练相结合可带来显著的性能提升：
SWE-Bench验证基准测试：使用相同的Qwen3.5-4B基础模型，不同代码框架的性能表现存在差异：
Codex 框架：pass@1 得分从 3.8% 跃升至 26.4%——增幅达594.74%。
Claude Code Framework：从 29.8% 提升至 34.6%。
Pi 框架：从 34.2% 提升至 40.4%。
极致效率：引入 prefix_merging 策略后，与传统的按请求模式相比，训练总耗时缩短了约 5.39倍，GPU 利用率从 20.4% 提升至87.7%。
行业评论
NVIDIA Polar的开源本质上为AI代理进入强化学习训练领域铺设了一条“高速公路”。它不仅使研究人员能够利用海量的开源代码框架进行高效训练，还通过系统级优化降低了GPU计算门槛。
随着Polar的日益普及，开发者不再需要担心“如何将模型适配到训练框架”的问题。未来，AI编码代理的演进将变得更加标准化和高效。这标志着AI代理训练正从实验室的手动调试，转向大规模、系统化的工程化生产。
论文链接：https://arxiv.org/pdf/2605.24220
相关文章
Recursive Intelligence 如何在4个月内以40亿美元估值筹集3.35亿美元
初创公司Ricursive Intelligence的联合创始人似乎注定要成为联合创始人。首席执行官安娜·戈迪（Anna Goldie）和首席技术官阿扎莉亚·米尔霍塞伊尼（Azalia Mirhoseini）在人工智能界声名显赫，戈迪向TechCrunch笑称，她们正是那些“收到扎克伯格发来的奇怪邮件、里面提出疯狂邀约”的人工智能工程师之一。（她们最终没有接受这些邀约。） 两人曾共同在谷歌大脑（G
人工智能竞赛不会等待，TechCrunch Disrupt 的 25% 折扣也不会等待
目前每一位投身人工智能领域的创始人都在思考同一个问题：我们的发展速度够快吗？效率够高吗？TechCrunch Disrupt 2026 将让您与那些正在最高层面思考这一关乎存亡问题的行业领军人物共聚一堂。 10月13日至15日，在旧金山，来自OpenAI、英伟达（Nvidia）、Anthropic、微软等公司的领军人物将分享他们的见解，届时数千名初创企业社区成员将齐聚一堂，进行交流。限时优惠：结账
“钱文AI免费版”与机构版：揭穿高价写作骗局
6月25日，中央电视台播出了关于混乱的高考志愿填报市场的一则调查报道，引发了广泛的公众讨论。 报道画面显示，许多高中升学中介机构打着“十年教龄教师”和“教授”等头衔的旗号，收取4,980至12,980元不等的天价费用。 实际上，这些所谓的“资深顾问”往往是入职不到两个月的新员工，甚至是兼职的大学生。他们的“专业方案”都是通过免费的Qwen AI生成的，有些机构甚至直接将Qwen生成的内容加价转卖给
相关专题推荐
设计与艺术
顶级AI插画工具：更快地创作编辑类场景和封面插图
2026年最新高评分AI插画工具：我们精心挑选的这份清单汇集了功能强大的顶级工具，助您快速创作令人惊艳的编辑场景和引人注目的封面艺术。每款工具都经过了严格的实际测试，并提供了免费版与付费版的对比，帮助您找到最适合您工作流程的工具。 立即尝试这些必试解决方案，释放您的AI优势，提升创作效率。立即访问 XIX.AI 探索更多。
10 个工具
xix.ai
教育与学习
备考首选的顶尖AI辅导老师：练习数学、科学和英语
2026年最新、评分最高的考试备考AI辅导工具现已登陆XIX.AI！我们精心筛选的这份清单汇集了多款功能强大、颠覆传统的工具，提供免费与付费版本的对比、实际测试以及每周更新的排行榜。它们能帮助你提升写作效率、简化复杂主题的学习，并释放你的学术潜能。 立即探索，发现最适合您的备考工具，今天就开始创作，释放您的AI优势！
10 个工具
xix.ai
金融
用于个人财务管理的 AI 预算规划工具
2026 年最新最佳顶级评分 AI 预算规划工具，专为个人财务管理打造，现已登陆 XIX.AI！本精选合集收录了强大且具颠覆性的解决方案，助您开展实际测试、理解消费习惯，并制定个性化计划以提升生产力。享受免费与付费版的对比及详细排名。这些必试工具旨在简化财务管理，助您释放 AI 优势。立即探索！
11 个工具
xix.ai
健康养生
AI睡眠追踪助手：通过养成更好的睡前习惯来促进身体恢复
2026年最新精选高评分AI睡眠追踪助手，助您实现最佳恢复效果。这份全面更新的每周指南汇集了强大的工具，提供实际测试结果、免费与付费版本对比以及详细排名，助您找到必试的解决方案，从而提升睡眠质量并养成更好的就寝习惯。 立即访问 XIX.AI，解锁您的AI优势。
10 个工具
xix.ai
数据分析
用于产品和收入分析的 AI SQL 辅助工具
2026年最新、最受欢迎、评分最高的AI SQL辅助工具，助力产品与营收分析！ XIX.AI 精心遴选了一系列功能强大、颠覆性的必试工具，这些工具均经过每周更新的排名体系进行实战测试。它们能通过加速数据分析、简化复杂查询并生成精准洞察，帮助用户显著提升工作效率，从而推动更明智的商业决策。立即探索，发现最适合您的工具，释放您的AI优势！
14 个工具
xix.ai
教育与学习
最佳的、兼具教学功能的AI作业助手：学习概念，而不仅仅是答案
2026年最新最佳高评分AI作业助手：不仅提供答案，更传授核心概念。专为学生打造的强大工具，精选必试清单，每周更新，免费与付费版本对比，真实使用测试，精准排名，助您充分释放学习潜能。立即探索，发现最适合您的工具，让学习更高效。
10 个工具
xix.ai
评论 (1)
0/500
![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... 🤔
5月28日，英伟达（NVIDIA）研究团队开源了强化学习训练框架Polar。其核心创新在于，能够将现有的主流代码代理（如Codex、Claude Code和Qwen Code）无缝集成到GRPO（广义相对策略优化）强化学习训练中，且无需对原始代码进行任何修改。
一、行业痛点：代理强化学习的障碍
随着代码代理从简单的单步任务演进为复杂且长期运行的流程（例如仓库级代码修改或操作系统交互），开发者越来越依赖成熟的执行框架（Harness）。然而，将这些复杂的框架集成到传统的强化学习基础设施中面临着重大挑战：
高集成成本：传统方法要求将代码逻辑重写为 env.init() 和 env.step() 等标准环境接口，这一过程极其繁琐。
信息丢失：在重构过程中，关键细节（如工具调用、多轮对话上下文或子代理协作逻辑）往往丢失，导致模型无法接收高质量的训练信号。
II. 核心解决方案：以“边界”作为训练入口点
Polar 消除了重写执行框架的必要性。相反，它将模型 API 边界作为训练入口点。
黑盒处理：Polar 在代码执行框架与模型推理服务器之间部署了一个透明代理（网关）。无论代理使用的是 Anthropic、OpenAI 还是 Google 的 API，Polar 都能无缝拦截并转发请求。
轨迹重建：在转发过程中，Polar 会记录实时关键数据（如提示词、采样令牌和日志概率），并将其重建为强化学习训练器所需的“轨迹”数据。
高效的异步架构：系统采用 Rollout 服务器负责调度和数据持久化，而网关节点则管理生命周期和资源回收。通过利用预热缓冲区（READY 缓冲区）和并行任务处理，它有效消除了可能阻塞 GPU 训练的长尾任务。
III. 性能飞跃：代码代理的转型
实验数据表明，Polar 与 GRPO 训练相结合可带来显著的性能提升：
SWE-Bench验证基准测试：使用相同的Qwen3.5-4B基础模型，不同代码框架的性能表现存在差异：
Codex 框架：pass@1 得分从 3.8% 跃升至 26.4%——增幅达594.74%。
Claude Code Framework：从 29.8% 提升至 34.6%。
Pi 框架：从 34.2% 提升至 40.4%。
极致效率：引入 prefix_merging 策略后，与传统的按请求模式相比，训练总耗时缩短了约 5.39倍，GPU 利用率从 20.4% 提升至87.7%。
行业评论
NVIDIA Polar的开源本质上为AI代理进入强化学习训练领域铺设了一条“高速公路”。它不仅使研究人员能够利用海量的开源代码框架进行高效训练，还通过系统级优化降低了GPU计算门槛。
随着Polar的日益普及，开发者不再需要担心“如何将模型适配到训练框架”的问题。未来，AI编码代理的演进将变得更加标准化和高效。这标志着AI代理训练正从实验室的手动调试，转向大规模、系统化的工程化生产。
论文链接：https://arxiv.org/pdf/2605.24220
Recursive Intelligence 如何在4个月内以40亿美元估值筹集3.35亿美元
初创公司Ricursive Intelligence的联合创始人似乎注定要成为联合创始人。首席执行官安娜·戈迪（Anna Goldie）和首席技术官阿扎莉亚·米尔霍塞伊尼（Azalia Mirhoseini）在人工智能界声名显赫，戈迪向TechCrunch笑称，她们正是那些“收到扎克伯格发来的奇怪邮件、里面提出疯狂邀约”的人工智能工程师之一。（她们最终没有接受这些邀约。） 两人曾共同在谷歌大脑（G
人工智能竞赛不会等待，TechCrunch Disrupt 的 25% 折扣也不会等待
目前每一位投身人工智能领域的创始人都在思考同一个问题：我们的发展速度够快吗？效率够高吗？TechCrunch Disrupt 2026 将让您与那些正在最高层面思考这一关乎存亡问题的行业领军人物共聚一堂。 10月13日至15日，在旧金山，来自OpenAI、英伟达（Nvidia）、Anthropic、微软等公司的领军人物将分享他们的见解，届时数千名初创企业社区成员将齐聚一堂，进行交流。限时优惠：结账
“钱文AI免费版”与机构版：揭穿高价写作骗局
6月25日，中央电视台播出了关于混乱的高考志愿填报市场的一则调查报道，引发了广泛的公众讨论。 报道画面显示，许多高中升学中介机构打着“十年教龄教师”和“教授”等头衔的旗号，收取4,980至12,980元不等的天价费用。 实际上，这些所谓的“资深顾问”往往是入职不到两个月的新员工，甚至是兼职的大学生。他们的“专业方案”都是通过免费的Qwen AI生成的，有些机构甚至直接将Qwen生成的内容加价转卖给
2026年最新高评分AI插画工具：我们精心挑选的这份清单汇集了功能强大的顶级工具，助您快速创作令人惊艳的编辑场景和引人注目的封面艺术。每款工具都经过了严格的实际测试，并提供了免费版与付费版的对比，帮助您找到最适合您工作流程的工具。 立即尝试这些必试解决方案，释放您的AI优势，提升创作效率。立即访问 XIX.AI 探索更多。
10 个工具
xix.ai
2026年最新、评分最高的考试备考AI辅导工具现已登陆XIX.AI！我们精心筛选的这份清单汇集了多款功能强大、颠覆传统的工具，提供免费与付费版本的对比、实际测试以及每周更新的排行榜。它们能帮助你提升写作效率、简化复杂主题的学习，并释放你的学术潜能。 立即探索，发现最适合您的备考工具，今天就开始创作，释放您的AI优势！
10 个工具
xix.ai
2026 年最新最佳顶级评分 AI 预算规划工具，专为个人财务管理打造，现已登陆 XIX.AI！本精选合集收录了强大且具颠覆性的解决方案，助您开展实际测试、理解消费习惯，并制定个性化计划以提升生产力。享受免费与付费版的对比及详细排名。这些必试工具旨在简化财务管理，助您释放 AI 优势。立即探索！
11 个工具
xix.ai
2026年最新精选高评分AI睡眠追踪助手，助您实现最佳恢复效果。这份全面更新的每周指南汇集了强大的工具，提供实际测试结果、免费与付费版本对比以及详细排名，助您找到必试的解决方案，从而提升睡眠质量并养成更好的就寝习惯。 立即访问 XIX.AI，解锁您的AI优势。
10 个工具
xix.ai
2026年最新、最受欢迎、评分最高的AI SQL辅助工具，助力产品与营收分析！ XIX.AI 精心遴选了一系列功能强大、颠覆性的必试工具，这些工具均经过每周更新的排名体系进行实战测试。它们能通过加速数据分析、简化复杂查询并生成精准洞察，帮助用户显著提升工作效率，从而推动更明智的商业决策。立即探索，发现最适合您的工具，释放您的AI优势！
14 个工具
xix.ai
2026年最新最佳高评分AI作业助手：不仅提供答案，更传授核心概念。专为学生打造的强大工具，精选必试清单，每周更新，免费与付费版本对比，真实使用测试，精准排名，助您充分释放学习潜能。立即探索，发现最适合您的工具，让学习更高效。
10 个工具
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... 🤔
