E2B 沙箱跑 RL rollout 快 3 倍,砍掉 GPU 空转成本

badphilosopher · x · 2026-09-04

• Paper Instruments（为咨询、金融、法律等知识工作训练前沿模型的公司）在 E2B 博客披露其 RL 训练基础设施：每个 rollout 需要独立的文件系统与应用状态，且须从完全相同的初始状态启动，以保证训练信号反映被训练策略。
• 用 GRPO/CISPO 等策略梯度方法时，要跑数千个并发 rollout，GPU 在等待 rollout 完成期间空转，工具执行速度直接决定训练成本。
• Paper Instruments 的 Instruments benchmark 测试显示，E2B 的工具执行比其他被测沙箱最快快 3 倍，显著降低 idle GPU 时间；同时数据（动作、文件变更、奖励/评分）以结构化、可溯源方式接入流水线，便于追踪每个任务对模型的影响，并隔离 solver 与 grader 防止 reward hacking。

原文链接 →

「编程与Agent」频道最新

• 顾问赴哈佛培训 Opportunity Insights 团队用 agentic coding — aniketapanjwani · 2026-09-04
• 《软件工程终结》论文:Agent 编码单点超 80%,长程维护仅 38% — alex_verem · 2026-09-04
• AI 时代还读代码吗？前研究员：读代码是为了更好指挥编码 Agent — JFPuget · 2026-09-04
• 网友用 SQL+Qdrant 搭 3D 大脑,造出能记 1608 段对话的 AI 伴侣 — RoadsterAlex · 2026-09-04
• OpenRouter 谈云端 Agent:长时开发任务不必守在笔记本前 — thisiskp_ · 2026-09-04
• LlamaIndex 推出 Turbo 抽取档:快 4 倍,中位延迟 3.7 秒/页 — llama_index · 2026-09-04

更多「编程与Agent」频道 AI 资讯 →