英伟达Polar框架:Codex跑分飙升594%,代码AI福音

英伟达开源Polar框架

英伟达发布开源框架Polar,无需大幅修改现有代码智能体框架(如Codex、ClaudeCode、QwenCode),即可接入GRPO训练,提升模型性能。

GRPO优化代码智能体

GRPO是一种强化学习优化方法,通过奖励信号调整模型策略,使模型在代码编写等长流程任务中表现更优。Polar框架专注于模型API边界,减少了对现有智能体框架的侵入性。

Polar框架的核心机制

  • 将智能体与模型间的接口作为训练边界,而非改造整个执行环境。
  • 兼容多种风格的API请求,记录提示词、采样Token等信息,重建为可训练轨迹。
  • 系统由rolloutserver和gatewaynode组成,分别负责任务调度和会话执行。
性能提升显著

在SWE-BenchVerified测试中,基于Qwen3.5-4B底座模型,Polar配合GRPO训练后,各框架pass@1分数提升如下:

  • Codex:从3.8%提升至26.4%(增长594.74%)
  • ClaudeCode:从29.8%提升至34.6%
  • QwenCode:从34.6%提升至35.2%
  • Pi:从34.2%提升至40.4%
效率优化
  • 训练步骤更新数从1185次降至218次。
  • 训练时间从189.5分钟缩短至35.2分钟,提速约5.39倍。
  • rolloutGPU平均利用率从20.4%提升至87.7%。