AgentFly：统一资源系统的智能体强化学习框架

2026年10月15日，arXiv 人工智能板块出现由 Renxi Wang 等作者发布的论文，提出 AgentFly 智能体强化学习框架。据该报道，AgentFly 通过统一资源层，将沙箱、模型服务和外部 API 等异构环境视为按类型调度的资源，由同一引擎调度，并支持按工具获取以复用多轮、异步背压，以及 rollout 与全局两种生命周期。框架采用智能体、rollout、上下文和底层资源四层设计，提供预置工具与环境，在多个任务和模型上完成训练，同时报告了首个跨框架吞吐量对比。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。