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
Маск признал, что утечка кода Grok привела к раскрытию пользовательских данных, и пообещал стереть всю историческую информацию.
Илон Маск напрямую отреагировал на скандал с конфиденциальностью вокруг Grok Build, начав с простого «Да», чтобы подтвердить достоверность инцидента. Он пообещал, что все данные пользователей, ранее загруженные в SpaceXAI, будут безвозвратно удалены,
Акции США достигли исторической отметки, поскольку гиганты искусственного интеллекта и аэрокосмической отрасли готовятся к дебюту с оценкой в триллион долларов
Илон Маск, Сэм Алтман и Дарио Амодэй, три титана технологического сектора, продвигаются к первичным публичным предложениям акций своих respective компаний. Благодаря SpaceX, OpenAI и Anthropic — трем отраслевым гигантам, чья оценка приближается к три
Шведский стартап в области искусственного интеллекта Lovable Eyes достиг оценки в 13,2 миллиарда долларов после крупного раунда финансирования
По мере того как инструменты для программирования на основе искусственного интеллекта набирают популярность, шведский стартап Lovable привлек крупный раунд финансирования. Компания нацелена на привлечение $3 млрд, что потенциально может увеличить её
Рекомендации по связанным специальным темам
SEO
Лучшие инструменты для анализа результатов поиска с помощью ИИ при разработке поисковой стратегии
XIX.AI подготовила подборку лучших и наиболее высокооцененных инструментов для анализа результатов поиска с помощью ИИ (2026 г.) на основе тщательных тестов в реальных условиях и еженедельно обновляемого рейтинга. Эти мощные инструменты помогут вам раскрыть скрытые возможности оптимизации, повысить эффективность контента и получить конкурентное преимущество в поиске. Найдите свой идеальный инструмент, чтобы уже сегодня усовершенствовать свою поисковую стратегию. Ознакомьтесь с ними прямо сейчас!
13 инструментов
xix.ai
Анализ данных
Лучшие инструменты ИИ для обнаружения аномалий при мониторинге KPI в командах SaaS и электронной коммерции
2026 г. Лучшие новейшие высокооцененные инструменты ИИ для обнаружения аномалий в мониторинге KPI для команд SaaS и электронной коммерции! XIX.AI подготовила мощную, меняющую правила игры коллекцию на основе строгих реальных тестов и еженедельно обновляемых рейтингов. Вы найдете подробные сравнительные данные по бесплатным и платным решениям, которые помогут вам определить обязательное к использованию решение, повышающее производительность и раскрывающее ваш потенциал в области ИИ. Исследуйте сейчас!
10 инструментов
xix.ai
письмо
Лучшие генераторы конспектов на базе ИИ для длинных статей, оптимизированных для SEO
2026 год: лучшие и самые высокооцененные генераторы конспектов на базе ИИ для длинных SEO-статей, тщательно отобранные XIX.AI. Эти мощные инструменты обеспечивают революционную помощь в быстром создании высококачественного контента, значительно повышая эффективность написания текстов. Ознакомьтесь со сравнением бесплатных и платных версий, а также с результатами реальных тестов и подробными рейтингами, которые помогут вам найти вариант, который обязательно стоит попробовать и который соответствует вашим потребностям. Изучите их прямо сейчас, чтобы раскрыть весь потенциал ИИ.
8 инструментов
xix.ai
Образование и обучение
Инструменты на базе искусственного интеллекта для выполнения домашних заданий и подготовки к экзаменам
2026: лучшие современные инструменты на базе ИИ для выполнения домашних заданий и подготовки к экзаменам! XIX.AI подготовило рейтинг самых эффективных и революционных инструментов, которые помогают учащимся повысить продуктивность, оптимизировать выполнение домашних заданий и сдавать экзамены на «отлично», проходя проверку в реальных условиях. Получите сравнение бесплатных и платных версий, подробные рейтинги и варианты, которые обязательно стоит попробовать, чтобы раскрыть свой потенциал с помощью ИИ. Узнайте больше прямо сейчас!
10 инструментов
xix.ai
Музыкальная композиция
Инструменты для создания вокальных демо на основе ИИ для авторов песен, создания хуков, написания тоpline-мелодий и проведения многоязычных черновых сессий
2026 г. лучшие инструменты для демо-записи вокала на базе ИИ для авторов песен, создателей хуков и команд, работающих с контентом на нескольких языках! XIX.AI подготовил список высокооцененных мощных инструментов, изменивших правила игры, прошедших строгие реальные тесты. Вы найдёте подробные данные сравнения бесплатных и платных версий, комплексные рейтинги и обязательные к использованию варианты, которые помогут повысить эффективность написания и раскрыть ваш творческий потенциал. Исследуйте сейчас, чтобы найти идеальный инструмент для всех ваших задач по созданию контента!
9 инструментов
xix.ai
Бизнес
Лучшие инструменты для анализа конкурентов на основе искусственного интеллекта для малого бизнеса
2026: новейшие, лучшие и самые высокооцененные инструменты для анализа конкурентов на базе ИИ для малого бизнеса! XIX.AI подготовила чрезвычайно мощную подборку, способную кардинально изменить ситуацию на рынке, которая еженедельно обновляется на основе тщательных тестов в реальных условиях и подробных рейтингов. Вы найдете здесь исчерпывающее сравнение бесплатных и платных версий, которое поможет вам определить инструменты, которые обязательно стоит попробовать, чтобы повысить свою продуктивность и получить конкурентное преимущество. Ознакомьтесь с ней прямо сейчас, чтобы найти идеальный инструмент для себя!
9 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
Маск признал, что утечка кода Grok привела к раскрытию пользовательских данных, и пообещал стереть всю историческую информацию.
Илон Маск напрямую отреагировал на скандал с конфиденциальностью вокруг Grok Build, начав с простого «Да», чтобы подтвердить достоверность инцидента. Он пообещал, что все данные пользователей, ранее загруженные в SpaceXAI, будут безвозвратно удалены,
Акции США достигли исторической отметки, поскольку гиганты искусственного интеллекта и аэрокосмической отрасли готовятся к дебюту с оценкой в триллион долларов
Илон Маск, Сэм Алтман и Дарио Амодэй, три титана технологического сектора, продвигаются к первичным публичным предложениям акций своих respective компаний. Благодаря SpaceX, OpenAI и Anthropic — трем отраслевым гигантам, чья оценка приближается к три
Шведский стартап в области искусственного интеллекта Lovable Eyes достиг оценки в 13,2 миллиарда долларов после крупного раунда финансирования
По мере того как инструменты для программирования на основе искусственного интеллекта набирают популярность, шведский стартап Lovable привлек крупный раунд финансирования. Компания нацелена на привлечение $3 млрд, что потенциально может увеличить её
XIX.AI подготовила подборку лучших и наиболее высокооцененных инструментов для анализа результатов поиска с помощью ИИ (2026 г.) на основе тщательных тестов в реальных условиях и еженедельно обновляемого рейтинга. Эти мощные инструменты помогут вам раскрыть скрытые возможности оптимизации, повысить эффективность контента и получить конкурентное преимущество в поиске. Найдите свой идеальный инструмент, чтобы уже сегодня усовершенствовать свою поисковую стратегию. Ознакомьтесь с ними прямо сейчас!
13 инструментов
xix.ai
2026 г. Лучшие новейшие высокооцененные инструменты ИИ для обнаружения аномалий в мониторинге KPI для команд SaaS и электронной коммерции! XIX.AI подготовила мощную, меняющую правила игры коллекцию на основе строгих реальных тестов и еженедельно обновляемых рейтингов. Вы найдете подробные сравнительные данные по бесплатным и платным решениям, которые помогут вам определить обязательное к использованию решение, повышающее производительность и раскрывающее ваш потенциал в области ИИ. Исследуйте сейчас!
10 инструментов
xix.ai
2026 год: лучшие и самые высокооцененные генераторы конспектов на базе ИИ для длинных SEO-статей, тщательно отобранные XIX.AI. Эти мощные инструменты обеспечивают революционную помощь в быстром создании высококачественного контента, значительно повышая эффективность написания текстов. Ознакомьтесь со сравнением бесплатных и платных версий, а также с результатами реальных тестов и подробными рейтингами, которые помогут вам найти вариант, который обязательно стоит попробовать и который соответствует вашим потребностям. Изучите их прямо сейчас, чтобы раскрыть весь потенциал ИИ.
8 инструментов
xix.ai
2026: лучшие современные инструменты на базе ИИ для выполнения домашних заданий и подготовки к экзаменам! XIX.AI подготовило рейтинг самых эффективных и революционных инструментов, которые помогают учащимся повысить продуктивность, оптимизировать выполнение домашних заданий и сдавать экзамены на «отлично», проходя проверку в реальных условиях. Получите сравнение бесплатных и платных версий, подробные рейтинги и варианты, которые обязательно стоит попробовать, чтобы раскрыть свой потенциал с помощью ИИ. Узнайте больше прямо сейчас!
10 инструментов
xix.ai
2026 г. лучшие инструменты для демо-записи вокала на базе ИИ для авторов песен, создателей хуков и команд, работающих с контентом на нескольких языках! XIX.AI подготовил список высокооцененных мощных инструментов, изменивших правила игры, прошедших строгие реальные тесты. Вы найдёте подробные данные сравнения бесплатных и платных версий, комплексные рейтинги и обязательные к использованию варианты, которые помогут повысить эффективность написания и раскрыть ваш творческий потенциал. Исследуйте сейчас, чтобы найти идеальный инструмент для всех ваших задач по созданию контента!
9 инструментов
xix.ai
2026: новейшие, лучшие и самые высокооцененные инструменты для анализа конкурентов на базе ИИ для малого бизнеса! XIX.AI подготовила чрезвычайно мощную подборку, способную кардинально изменить ситуацию на рынке, которая еженедельно обновляется на основе тщательных тестов в реальных условиях и подробных рейтингов. Вы найдете здесь исчерпывающее сравнение бесплатных и платных версий, которое поможет вам определить инструменты, которые обязательно стоит попробовать, чтобы повысить свою продуктивность и получить конкурентное преимущество. Ознакомьтесь с ней прямо сейчас, чтобы найти идеальный инструмент для себя!
9 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... 🤔
