摘要
prime-rl 是 Prime Intellect 的分布式强化学习训练框架，覆盖多轮、工具调用、异步/off-policy 训练、轨迹合并、checkpoint 和训练可观测性。
核心内容
基本信息
- 实体类别：Agentic RL 训练基础设施。
- 关键名称或版本：v0.9.0；Apache-2.0。
- 时间范围：2025-02-18 创建；2026-09-02 推送；2026-09-03 核实。
重要事实
- 核实时为 2,011 stars；当前浅克隆约 548 个文件、10 个 workflow 和 78 个测试文件。（来源：历史会话中的 Agent 工程开源项目回溯）
- 示例覆盖 1 至 8 GPU 的小模型、多轮搜索与 tool calling，也提供 32 至 2,048 GPU 的高级配置；算法文档包含异步/off-policy 训练、AIPO、advantage/filter plugin 与 trajectory merge。（来源：历史会话中的 Agent 工程开源项目回溯）
- 历史更新加入 sampling-mask replay、追加式 trajectory annotation 和逐 token 可视化；当前 CPU Tests、Style 与 Nightly FFT 成功，GPU/Nightly job 查询时仍在运行。（来源：历史会话中的 Agent 工程开源项目回溯）
关系与影响
prime-rl 是 Agentic RL 的训练层，可与 Prime Agent 等 harness 或环境组合；它与只负责 rollout inference 的 qwen3-runtime 处于不同层。
分歧与变化
框架支持 Agentic RL 不等于每个示例都证明能力提升；历史小型结果和 ScaleSWE 性能对照尚未独立复现。
相关页面
- 概念：Agentic RL、Execution-Based Agent Evaluation、Harness Engineering
- 实体：Prime Agent、RLinf、LoongSage、qwen3-runtime
- 主题：Agent Harness 与 Agentic RL 开源生态
来源
待核实问题
- 需按公开配置复现异步训练稳定性、策略偏差和端到端成本。