英伟达推出开源 AI 框架 Polar，Codex 性能提升近 600%

标题：Polar让Codex的pass@1从3.8%飙到26.4%，增长594.74%

英伟达研究团队搞了一个开源AI框架叫Polar，专门让现有智能体框架（比如Codex、Claude Code、Qwen Code）能接入GRPO（广义相对策略优化）训练方法，而且不破坏它们原有的工具调用、上下文组织和补丁提交方式。有开发者试了说，这玩意儿直接提升了代码智能体的表现，幅度还不小。

GRPO是什么

GRPO是一种针对强化学习的优化技术，通过奖励信号来调整模型策略，帮模型在多步决策任务里学到更优的行为。在这项研究里，GRPO主要用在代码智能体的训练上，目标是让模型在实际的工具调用和补丁提交流程中不断改进表现。群里在传，智能体的强化学习正在从单步任务转向更复杂的长流程任务，比如代码仓库操作、浏览器操作、操作系统交互。这类任务依赖现有的执行框架，涉及多轮调用、工具使用、上下文管理，直接把这些框架改写成传统强化学习环境接口极其困难——容易丢失关键训练信号。

Polar不重写框架

Polar不试图重写智能体框架，而是在模型API的边界处放置智能体，保持原有运行逻辑不变。架构上，它在执行框架与推理服务器之间插入了模型智能体，兼容多种请求风格，能记录关键数据并转化为可用于训练的信息。系统层面，Polar包括任务提交、会话调度和状态持久化，通过优化初始化、运行和后处理的流程，显著提升训练效率。开发者测试后说，这个设计避免了改框架的坑。

效果有多猛

根据实验结果，用Polar配上GRPO训练的智能体在SWE-Bench Verified测试中性能大幅提升：Codex的pass@1分数从3.8%提升到26.4%——增长了594.74%，也就是将近6倍。效率方面，训练时间减少了约5.39倍，GPU的平均利用率也显著提升。有开发者吐槽：以前跑一次训练要等老半天，现在快多了，资源占用也降了。

接下来盯着看：其他智能体框架（Claude Code、Qwen Code）接入Polar后能不能复制这个涨幅？以及，那些还在硬改框架做强化学习的团队会不会直接转投Polar——这可能会让现有训练工具链的开发者难受。