Agent ProRL : Service de Déploiement pour l'Entraînement par Renforcement d'Agents LLM Multi-Tours

ProRL Agent: Rollout-as-a-Service for RL Training of Multi-Turn LLM Agents

March 19, 2026

Auteurs: Hao Zhang, Mingjie Liu, Shaokun Zhang, Songyang Han, Jian Hu, Zhenghui Jin, Yuchi Zhang, Shizhe Diao, Ximing Lu, Binfeng Xu, Zhiding Yu, Jan Kautz, Yi Dong

cs.AI

Résumé

Les agents LLM multi-tours sont de plus en plus importants pour résoudre des tâches complexes et interactives, et l'apprentissage par renforcement (RL) est un élément clé pour améliorer leur comportement à long terme. Cependant, l'entraînement RL nécessite de générer un grand nombre de trajectoires d'évaluation en environnement isolé (« sandbox »), et les infrastructures existantes couplent souvent l'orchestration de ces évaluations avec la boucle d'entraînement, rendant les systèmes difficiles à migrer et à maintenir. Suivant la philosophie du « rollout-as-a-service », nous présentons ProRL Agent, une infrastructure évolutive qui prend en charge l'ensemble du cycle de vie des évaluations d'agents via un service API. ProRL Agent fournit également des environnements sandbox standardisés et extensibles prenant en charge diverses tâches agentiques dans des environnements HPC sans privilèges racine. Nous validons ProRL Agent via un entraînement RL sur des tâches de génie logiciel, de mathématiques, de STEM et de programmation. ProRL Agent est open source et intégré dans le cadre de NVIDIA NeMo Gym.

English

Multi-turn LLM agents are increasingly important for solving complex, interactive tasks, and reinforcement learning (RL) is a key ingredient for improving their long-horizon behavior. However, RL training requires generating large numbers of sandboxed rollout trajectories, and existing infrastructures often couple rollout orchestration with the training loop, making systems hard to migrate and maintain. Under the rollout-as-a-service philosophy, we present ProRL Agent , a scalable infrastructure that serves the full agentic rollout lifecycle through an API service. ProRL Agent also provides standardized and extensible sandbox environments that support diverse agentic tasks in rootless HPC settings. We validate ProRL Agent through RL training on software engineering, math, STEM, and coding tasks. ProRL Agent is open-sourced and integrated as part of NVIDIA NeMo Gym.