Libra：面向智能体强化学习后训练的高效资源管理

强化学习已成为大语言模型后训练的标准范式，延伸至复杂推理与多轮智能体行为。在智能体强化学习中， rollout 阶段调用工具生成长尾且非平稳的工作负载，挑战传统资源管理假设。本文提出 Libra，包含两大核心机制：一是周期性全局资源规划器，通过弹性混合池优化 rollout 与训练集群间的 GPU 分配；二是基于因果信号的多级反馈队列调度器，依据工具返回结果动态路由请求。实验表明，Libra 在 48 块 A800 GPU 上吞吐量提升达 3.0 倍，奖励收敛速度加快 2.5 倍。