ProRL-Agent-Server

收录理由

做强化学习的团队常常发现，现成的智能体工具链并不是为RL设计的，硬要改造既费时又容易破坏原有逻辑。Polar的思路是让工具链保持原样，直接把它当作环境来用，把最耗资源的rollout工作放到HTTP服务后面。服务端把请求分发给分布式网关节点，这些节点异步准备运行环境、执行智能体、构建轨迹并完成评估，训练循环只需要发请求、读结果，不用操心中间过程。它不绑定训练框架，推理端可以接vLLM或SGLang，所以能自然地融入现有技术栈，而不是强迫你重搭一套。对于做编码或工具调用类智能体、又想在GPU上省下空闲运行时间的人来说，这个项目值得一试。