AReaL 2.0 发布：开源强化学习基础设施支持 Agent 在线持续学习
AReaL 2.0 为 Agent 提供在线强化学习基础设施，使其能在真实任务中持续学习并优化模型。
AReaL 2.0 是一个开源强化学习系统，能让 AI Agent 在实际工作中记录交互过程并转化为训练数据，从而在部署后持续提升能力，解决传统 Agent 上线后无法成长的痛点。
正文摘录
开源强化学习训练系统 AReaL 2.0 发布，面向下一代智能体应用升级强化学习基础设施 7 月 2 日，开源强化学习基础设施项目 AReaL 正式发布 2.0 版本。AReaL 旨在打通基础模型训练与现代智能体应用之间的链路，为 Agent 应用场景提供高效的强化学习训练支撑。 此次发布的 AReaL 2.0 版本面向已经进入真实业务场景的 Agent，提供了一套让 Agent 在使用中持续学习的系统基础设施。通过 AReaL 2.0，Agent 在完成真实任务时产生的交互过程可以被记录、整理，并接入后续训练流程，用于持续优化底层模型，从而让 Agent 在安全可控的前提下越用越强。 如今，Agent 正在进入真实生产环境，写代码、查资料、调用工具，在企业系统中完成越来越复杂的任务。但一个问题也随之出现：Agent 每天都在工作，却很难从工作中真正成长。 在真实业务中，Agent 会产生大量有价值的经验：哪些任务完成得好，哪里调用工具失败了，用户为什么不满意，某一步决策是否走错了方向。但这些信息大多只是以日志形式被保存下来，很难稳定、安全地转化为下一次能力提升。 AReaL 2.0 要解决的正是 Agent 上线之后如何继续成长的问题。开发者不需要重新开发 Agent，只需让 Agent 原本发给大模型的请求经过 AReaL 2.0 的统一推理入口，就可以接入在线强化学习流程。