Agente ProRL: Rollout como Serviço para Treinamento de RL de Agentes de LLM Multiturno
ProRL Agent: Rollout-as-a-Service for RL Training of Multi-Turn LLM Agents
March 19, 2026
Autores: 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
Resumo
Os agentes de LLM multi-turn são cada vez mais importantes para resolver tarefas complexas e interativas, e o aprendizado por reforço (RL) é um componente fundamental para melhorar seu comportamento de longo prazo. No entanto, o treinamento de RL requer a geração de um grande número de trajetórias de rollout em ambientes isolados (sandboxed), e as infraestruturas existentes frequentemente acoplam a orquestração do rollout com o loop de treinamento, tornando os sistemas difíceis de migrar e manter. Sob a filosofia de rollout como serviço, apresentamos o ProRL Agent, uma infraestrutura escalável que atende todo o ciclo de vida do rollout agêntico por meio de um serviço de API. O ProRL Agent também fornece ambientes sandbox padronizados e extensíveis que suportam diversas tarefas agênticas em configurações HPC sem privilégios de root (rootless). Validamos o ProRL Agent por meio de treinamento de RL em tarefas de engenharia de software, matemática, STEM e programação. O ProRL Agent é de código aberto e integrado como parte do 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.