给Agentic RL的Rollout多加50% GPU，耗时却只降低10.3%。
中国科学技术大学特任副研究员白有辉参与的最新论文PEARL发现：Agent训练的瓶颈不只是GPU数量，还来自多轮交互中的Prefill–Decode干扰、模型权重访问和不断变化的资源供给。
论文：http://t.cn/AXWxWfQj
PEARL把三件事放进同一个系统：
• 弹性接入抢占式GPU
• 临时复用空闲训练GPU
• 动态选择PD共置/分离及P/D比例
因为PD分离并非总是更快：BS32时领先9.7%，到BS96时，共置反而领先6.1%。最优配置必须随负载和GPU预算变化。
在最多32张H800、Qwen3-8B与Qwen3-30B-A3B的实验中，PEARL相比使用相同弹性资源的RLBoost+，吞吐最高提升36.3%。
11月20—21日，论文作者之一白有辉将出席2026 C++及系统软件技术大会，分享国产超节点上的稀疏注意力与KVCache管理实践。
📍北京万达文华酒店
#KVCache##AgenticRL##AIInfra#