NVIDIA 开源 FlashREINFORCE 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，号称是首个此类方案。该方法核心组合为 One-Batch RL，已稳定跑通 6000+ 次更新，并将 rollout 数量减半后，性能仍超过 GRPO 约 1.7 分，旨在解决长程智能体训练的可扩展性问题，论文经 alphaXiv 转发引发关注。

2026-09-14 ~ 2026-09-15 · 4 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
• FlashREINFORCE:免 Critic 单轨迹异步 RL,rollout 减半超 GRPO 1.7 分 — kastnerkyle · 2026-09-15