IXThinker·2026-07-16 14:40

清華團隊提單rollout異步強化學習法

清華大學研究團隊針對長程智能體與代碼任務的強化學習效率瓶頸，提出單 rollout 異步優化方法，兼容異步訓練的吞吐優勢與訓練穩定性，擺脫組式採樣限制，可穩定訓練達一千步。

同步流程效率受限

現有大型語言模型強化學習流水線多採用同步、批量式流程，須等待整批 rollout 完成才能更新，效率提升受限，在長程智能體與代碼任務中尤為明顯。