其他

港中文与恒生大学提出Libra系统，优化Agentic RL后训练资源分配，吞吐提升3倍

首次出现 8月12日 18:23·最近更新 8月12日 18:23

针对Agentic RL后训练中工作负载不稳定、轨迹长度差异大导致GPU资源分配效率低的问题，香港中文大学和恒生大学的研究团队提出Libra资源管理系统。该系统将训练与rollout视为耦合系统进行统一优化，通过异构推理集群、因果感知调度和弹性资源切换，实现GPU资源的动态分配。实验表明，在48张NVIDIA A800 GPU上，Libra在Search R1、DAPO Math 17K和R2E Gym三类任务中取得了最高吞吐，相比基线提升最高3倍，并将达到目标奖励所需时间最多缩短至1/2.5。论文与代码已公开。

多来源证据

微信公众号 WeWe-RSS·wechat·8月12日 12:14

Agentic RL 后训练资源怎么分？港中文、恒生大学提出 Libra，吞吐最高提升 3 倍

Agentic RL 后训练资源怎么分？港中文、恒生大学提出 Libra，吞吐最高提升 3 倍机器之心在小说阅读器读本章去阅读在小说阅读器中沉浸阅读大语言模型正在从 “回答问题” 走向 “完成任务”。在 Agentic RL 后训练中，模型不仅生成文本，还会调用搜索、代码执行等外部工具，根据环境返回继续推理。这样的交互让模型拥有更强的行动能力，也让训练系统面对一种比普通 RLHF 更不稳定的工作负载：同一批请求可能产生长度相差数十倍的轨迹，少量超长轨迹拖慢整个 rollout；与此同时，训练和 rollout 对 GPU 的需求还会随着策略演化不断变化。针对上述问题，来自香港中文大

事件时间线

8月12日 12:14
微信公众号 WeWe-RSS
Agentic RL 后训练资源怎么分？港中文、恒生大学提出 Libra，吞吐最高提升 3 倍