Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning

• 类型：arxiv
• 标识：2607.07508
• 链接：https://arxiv.org/abs/2607.07508
• 主分类：agent
• 形态：method
• 被引：6
• 被引来源：Semantic Scholar
• S2被引：6
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Single-rollout Asynchronous Optimization (SAO) is presented to address the stability and off-policy challenges in asynchronous RL and is able to train stably for one thousand steps and consistently outperform GRPO and its variants on agentic coding and reasoning benchmarks.
• OpenAlex ID：W7167815111
• OpenAlex DOI：10.48550/arxiv.2607.07508
• DOI：10.48550/arxiv.2607.07508
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.07508
• OpenAlex更新：2026-07-19
• 副分类：engineering
• 待LLM分类：否
• 标题中文：面向 Agentic 强化学习的单 Rollout 异步优化
• TLDR中文：提出 Single-rollout Asynchronous Optimization（SAO），用于解决异步 RL 中的稳定性与 off-policy 难题，可稳定训练一千步，并在 Agentic 编码与推理基准上一致优于 GRPO 及其变体。
• 来源文件：
• /inbox/tom/_candidates/2026-07-10-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]