Polar 框架开源：无需修改底层代码，智能体跑分提升显著

英伟达发布 Polar 框架，通过无感拦截和轨迹重建，显著提升 Codex 等智能体的跑分，同时提高训练效率。

12效率工具英伟达PolarAI框架效率提升

Polar 框架介绍

英伟达最新开源的 AI 框架 Polar，能够在不修改底层代码的情况下，大幅提升智能体的跑分。该框架通过在模型 API 边界进行优化，使得 Codex、Claude Code、Qwen Code 等智能体框架能够无缝接入 GRPO 强化学习训练。

解决强化学习痛点

传统的强化学习基础设施要求将复杂逻辑强行改写成环境接口，这增加了接入成本并丢失了关键训练信号。Polar 通过不修改智能体框架的方式，解决了这一问题。

核心机制

Polar 在执行框架和推理服务器之间放置了一个模型智能体，它兼容多种 API 请求，并在转发请求时记录相关信息，随后重建为训练器可消费的轨迹。

英伟达开源 Polar 框架：不改一行底层代码，让 Codex 跑分暴涨 594%插图

系统结构

  • Rollout Server：负责任务提交、会话调度等。
  • Gateway Node：负责会话执行的全生命周期。

Polar 通过将初始化、运行中和后处理拆分到独立工作池，并设置 READY 缓冲区，有效减少了长尾任务对 GPU 训练的阻塞。

效果显著

在软件工程任务测试中，Polar 配合 GRPO 训练后，Codex 的跑分提升了 594%，训练效率提高了 5.4 倍。