英伟达发布开源框架 Polar，提升代码智能体强化学习训练效率

英伟达研究团队近日发布开源框架 Polar，旨在解决现有代码智能体框架在强化学习训练中的接入难题。Polar 在不改变原有工具调用、上下文组织和补丁提交方式的前提下，让 Codex、Claude Code、Qwen Code 等智能体框架接入 GRPO（广义相对策略优化）训练。

Polar 的核心设计是将智能体与模型接口作为训练边界，而非改造执行框架本身。它在执行框架和推理服务器之间放置模型智能体，兼容 Anthropic、OpenAI、Google 风格请求，记录提示词、采样 Token 等关键信息，重建可供训练器消费的轨迹。实验基于 Qwen3.5-4B 底座模型，在 SWE-Bench Verified 测试中，Codex 框架的 pass@1 分数从 3.8%提升至 26.4%，提升近 6 倍。

效率方面，Polar 通过 prefix_merging 技术将训练更新数减少至原来的五分之一，墙钟时间缩短约 5.39 倍，GPU 平均利用率从 20.4%提升至 87.7%。该框架由 rollout server 和 gateway node 组成，支持任务调度、会话管理和资源回收，为长流程代码智能体任务提供高效训练基础。