已收录文章摘要，完整内容可前往原文阅读。
在长程 Agent 和 coding 任务中，如何提升强化学习（RL）效率，仍是当前的核心难题。目前，现有 LLM RL 流水线多采用同步、批量式流程，往往需要等待整批 rollout 完成后才能更新