k301
您现在的位置:首页 > 热点 > > 正文

阿里云PAI发布一站式强化学习平台PAI-RLS,让AgenticRL走向高吞吐和规模化

时间:2026-11-20 12:14:00    来源:网络    阅读量:16674   

从 Long-CoT 推理、垂类智能体到具身智能,强化学习(RL)已经成为模型能力持续提升的必选项,但真正难的不是算法本身:Rollout 与训练消耗不平衡导致 GPU 大面积空转、Agent 环境难规模化、任务异常只能翻日志猜原因、长程任务一次故障即前功尽弃……强化学习算法效果,最终要靠一套完整训练系统来兑现。

阿里云 PAI 正式推出 PAI-RLS(Reinforcement Learning Studio)——一个面向强化学习、尤其是 AgenticRL 场景的高性能、全观测训练平台,将强化学习训练所需的采样、环境、训练、评测与观测能力整合为一站式服务,降低用户构建强化学习任务的工程复杂度,推动强化学习走向高吞吐、规模化。

即日起,PAI-RLS 正式开放邀测,您可通过联系阿里云商务经理或提交问卷填写企业信息开通体验。https://survey.aliyun.com/apps/zhiliao/Ufp_rmfV0

四项核心能力,撑起一条完整且稳健的链路

1、高性能训推引擎

PAI-RLS 采用自研训推引擎,这套引擎同时也稳定支撑了 Qwen 旗舰模型的后训练工程从千亿到万亿的迈进。整体全异步流水线带来端到端吞吐 1.6–3.2X 提升,RL训练吞吐可达 4.5 万 Tokens/s、约 5 天即可完成一次 SOTA 级训练。

2、高并发沙箱调度

内置统一的多智能体编排平台 Agent Service,可同时服务大规模 Rollout 与 Evaluation。

3、全链路数据可观测

实时数据监控覆盖 Step、Sample、Trace 三层,让长链路异步 RL 真正看得清。

4、丰富的场景化 RL 模板

用户只需配置三类关键参数即可一键提交任务,平台自动完成多角色编排、资源调度、环境拉起、数据采集与观测展示。

·采样参数:Group Size / Temperature / Top-p / 最大响应长度 / 交互轮数 等;

·训练参数:基础模型 / 算法 / 学习率 / Batch Size / KL 系数 / CKPT 等。

PAI-RLS 邀测中

点击文末“阅读原文”提交问卷

或联系阿里云商务经理

即可有机会体验

https://survey.aliyun.com/apps/zhiliao/Ufp_rmfV0



声明:本网转发此文章,旨在为读者提供更多信息资讯,所涉内容不构成投资、消费建议。文章事实如有疑问,请与有关方核实,文章观点非本网观点,仅供读者参考。

特别关注
图文推荐