NVIDIA 开源无 Critic 异步强化学习框架

NVIDIA 研究团队发布并开源 FlashREINFORCE，一个面向智能体语言模型的无 Critic、单 rollout、异步强化学习框架。项目号称首个免 critic 的单 rollout 异步 LLM 强化学习方案，已实现 6000 次以上稳定更新，其动机是解决长程智能体训练中的效率与稳定性问题，为智能体 RL 训练提供了新的开源选择。

2026-09-14 ~ 2026-09-14 · 3 条相关

• 开源 FlashREINFORCE：免critic单rollout异步RL实现6000+次稳定更新 — YouJiacheng · 2026-09-14
• NVIDIA 开源 FlashREINFORCE:无 Critic 单_rollout 异步 RL 框架,稳定 6000 次更新 — inductionheads · 2026-09-14
• FlashREINFORCE：单 rollout 异步 RL 训练 LLM，6000+ 步稳定更新 — JFPuget · 2026-09-14