Relax：用于大规模全模态后训练的异步强化学习引擎

强化学习后训练在解锁大语言模型的推理、自我反思及工具使用能力方面成效显著。面对全模态输入与智能体多轮工作流，现有系统面临数据流异构、大规模运行鲁棒性及陈旧度与吞吐量权衡三大挑战。本文提出 Relax，一个开源强化学习训练引擎，通过三层协同设计架构解决上述问题：原生全模态架构、故障隔离的独立服务角色以及基于异步数据总线的解耦训练。实验表明，Relax 在多种模式下显著加速训练收敛，并支持视频等复杂模态的稳定训练，有效推动了模型能力的自我进化。