Agente ProRL: Rollout-as-a-Service per l'Addestramento RL di Agenti LLM Multi-Turn
ProRL Agent: Rollout-as-a-Service for RL Training of Multi-Turn LLM Agents
March 19, 2026
Autori: 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
Abstract
Gli agenti LLM multi-turn stanno diventando sempre più importanti per risolvere compiti complessi e interattivi, e l'apprendimento per rinforzo (RL) è un ingrediente chiave per migliorare il loro comportamento a lungo termine. Tuttavia, l'addestramento RL richiede la generazione di un gran numero di traiettorie di rollout in ambienti controllati (sandbox), e le infrastrutture esistenti spesso accoppiano l'orchestrazione del rollout con il ciclo di addestramento, rendendo i sistemi difficili da migrare e mantenere. Seguendo la filosofia del rollout-as-a-service, presentiamo **ProRL Agent**, un'infrastruttura scalabile che fornisce l'intero ciclo di vita del rollout agente attraverso un servizio API. ProRL Agent fornisce anche ambienti sandbox standardizzati ed estensibili che supportano vari compiti agentici in ambienti HPC senza privilegi di root (rootless). Validiamo ProRL Agent attraverso l'addestramento RL su compiti di ingegneria del software, matematica, discipline STEM e programmazione. ProRL Agent è open-source e integrato come parte di 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.