港中文与恒生大学提出 Libra，Agentic RL 后训练吞吐最高提升 3 倍
Libra 把训练和 rollout 当作耦合系统动态调 GPU，解决 Agentic RL 中资源波动导致的低效，最高提速 3 倍。
Agentic RL 后训练（让模型通过调用工具与环境交互来学习任务）中，轨迹长度波动极大，且训练与推理的资源需求不断变化。港中文与恒生大学提出 Libra，将训练和 rollout 视为整体动态分配 GPU，并通过异构推理集群、因果感知调度与弹性切换，在 48 张 A800 上实现最高 3 倍吞吐提升。
正文摘录
- title: Agentic RL 后训练资源怎么分？港中文、恒生大学提出 Libra，吞吐最高提升 3 倍 - sourcecompany: 机器之心 - bodymarkdown: .jpg)  大语言模型正在从 “回答问题” 走向 “完成任务”。在 Agentic RL 后训练中，模型不仅生成文本，还会调用搜索、代码执行等外部工具，根据环境返回继续推理。这样的交互让模型拥有更强的行动能力，也让训练系统面对一种比普通 RLHF 更不稳定的工作负载：同一批请求可能产生长度相差数十倍的轨迹，少量超长轨迹拖慢整个 rollout；与此同时，训练和 rollout 对 GPU 的需求还会随着策略演化不断变化。 针对上述问题，来自香港中文大学和香港恒生大学的研究团队提出了 Libra ，一个面向 Agentic RL Post-Training 的资源管理系统。Libra 不再把 rollout 视作固定瓶颈，而是将训练与 rollout 作为一个耦合系统统一优化，并通过 异构推理集群、因果感知调度和弹性资源切换 ，让有限 GPU 资源随着实时工作负载动态流动。