来源：市场资讯
（来源：华为计算）
近期，开源强化学习框架AReaL正式发布v1.0版本，构建起完备的Agentic RL训练底座。依托这一里程碑版本，华为团队完成AReaL在昇腾AI基础软硬件平台的适配与增强，不仅实现安装部署、高效运行等基础能力，更全面打通大规模MoE模型训练、推理、权重同步及Agent场景落地等关键链路。凭借昇腾软硬件协同优势，开发者可直接在昇腾超节点上开展真实场景的Agentic RL训练任务，高效支撑复杂业务规模化落地。
开源Agentic RL框架AReaL关注度明显升温。官方仓库在2026年3月2日升级到v1.0，同步引入OpenClaw Agent训练完整样例。此后一周多时间社区Star数暴涨1k+，GitHub当前页面显示仓库已达到约5k Stars。AReaL从“高性能异步RL框架”进一步走向“Agentic RL社区主流底座”的趋势，已经被更多的开发者关注。
随着Agent从Demo走向真实业务，行业关注点也正在从“如何让Agent调起工具、跑通流程”，转向“如何让Agent持续学习、自我进化”。强化学习从模型后训练的可选环节，跃升为决定Agent智能上限的核心基础设施。面对这一关键趋势，华为团队已完成在昇腾AI基础软硬件平台适配与深度增强，不仅快速补齐安装部署、稳定运行等基础能力，更全面打通大规模MoE模型的训练、推理、权重同步、Agent场景落地等关键链路，让AReaL在昇腾AI基础软硬件平台实现从“可训练”到高可用、易扩展、可复用、能规模化落地的跨越式升级。
依托昇腾软硬件优势和完善的生态体系，开发者可直接在昇腾超节点上，基于AReaL开展真实场景Agentic RL训练任务，并拓展至更大参数量模型、更复杂交互环境、更长业务链路的训练场景，充分释放智能体进化潜力。后续将持续深耕真实业务落地，全面补齐LoRA RL、On-Policy Distillation RL等关键能力，以硬核算力底座支撑Agentic RL技术走向规模化产业应用。
安装指南已更新AReaL v1.0可在昇腾AI基础软硬件平台快速部署
AReaL官方近期发布了v1.0稳定版本，标志着其在Agentic RL方向上的框架能力进一步成熟。为方便开发者在昇腾环境中快速部署与验证AReaL v1.0，华为团队已完成其在昇腾AI基础软硬件平台的安装适配，并同步更新了安装指南。
安装文档如下：
AReaL Ascend安装指南：
https://inclusionai.github.io/AReaL/zh/tutorial/installation_npu.html
本次适配围绕基于Ascend的实际训练场景，对相关依赖、运行方式与工程路径进行梳理，使其能够更自然地与vLLM Ascend、MindSpeed/Megatron、Ray多节点编排等组件协同运行。这意味着：AReaL在Ascend上已经具备可复现、可分享、可推广的基础接入能力。
提供完整**实践：4个A3节点运行Tau2 Agent训练
从文档能力走向**实践能力
很多框架的难点并不在于功能本身，而在于开发者面对真实环境时，缺少一套能够直接复现的配置与步骤。为了让开发者可以真正地“照着就能跑起来”，我们提供了一个完整的昇腾**实践样例：
https://github.com/inclusionAI/AReaL/blob/ascend-v1.0.1/examples/tau2/README_NPU.md
该样例面向4个Ascend NPU A3节点，明确给出镜像、容器、环境准备和资源切分方式；在4个节点配置下，文档建议拿出1个节点作为user simulator，并给出推荐的分配模式，具体推荐配置如下：
训练场景：Tau2 Agent训练（tau2-airline）
模型：Qwen3-30B-A3B
硬件规模：4个Ascend NPU A3节点
这个样例是AReaL在昇腾上的多节点、分布式、面向真实Agent任务的**实践，把昇腾的能力从“理论支持”推进到了“工程**实践”。这传递出一个很清晰的信号：
AReaL在昇腾AI基础软硬件平台上，已经不只是完成了代码级适配，而是具备了面向典型Agent训练任务的端到端运行能力。
对于广大开发者开展Agent环境训练、验证RL效果、探索更大规模模型，这一实践都具有较强的参考意义。
面向真实分布式场景的运行闭环
在这个**实践中，系统并不是以单机的方式运行，而是完整分布式Agentic RL训练闭环：
使用vLLM OpenAI-compatible API server作为用户模拟器服务
使用Ray完成4节点集群拉起与调度
使用AReaL负责训练与推理协同
使用Megatron/MindSpeed并行模式进行训练侧资源切分
其中，推荐的资源分配模式为：
allocation_mode: vllm:d4t4+megatron:(attn:d2p4t4|ffn:d1p4e8)
这套配置体现了AReaL在昇腾上对推理侧vLLM并行与训练侧Megatron并行的协同支持能力，也体现了其在30B级参数的MoE模型Agent训练场景中的可执行性。
与社区Agent训练路径同步：昇腾也可快速接入OpenClaw类RL后训练
特别值得强调的是，我们已经与社区主流的Agent训练接入范式保持同步，支持OpenClaw一类Agent框架的强化学习训练接入。
AReaL官方README在2026年3月2日新增了OpenClaw示例，给出的表述非常直接：开发者只需要把base_url和api_key替换成AReaL的RL service，就可以训练自己的OpenClaw Agent，不需要复杂依赖，也不需要改代码。
其核心机制并不是为某个特定Agent单独适配，而是通过Proxy Gateway提供统一的OpenAI/Anthropic协议兼容入口，使得Agent只需要修改接口地址，就能够接入AReaL的RL训练流水线。

这套思路的价值在于，它把原本与具体Agent实现深度耦合的训练接入方式，收敛成了一个更标准化的协议入口。对于使用者来说：
不需要修改原有Agent主体逻辑
不需要重构业务流程
不需要重新设计训练数据链路
只需要让Agent的模型请求指向AReaL网关，就可以在原有运行过程中自动采集轨迹，并在获得reward后进入训练闭环。
而这一能力在昇腾AI基础软硬件平台上同样可行。这意味着，AReaL在昇腾上的适配，并不局限于基础语言模型RL训练，而是已能够覆盖到更具代表性的Agent场景。这一点非常重要，因为它表明Ascend平台不仅能够支撑“标准RL训练”，还能够承接更贴近下一阶段AI应用形态的Agentic RL训练范式。
这为后续更多Agent框架、任务环境和交互式训练流程迁移到昇腾提供了更强信心。
AWEX×AReaL：让训练—推理权重同步从“能用”走向“高效、稳定、可规模化”
如果说安装指南、Tau2**实践和OpenClaw类Agent接入，解决的是“如何跑起来”和“如何快速对接”，那么AWEX×AReaL解决的则是“如何更高效、更稳定地跑起来”。
AWEX官方将自己定义为一个面向RL训练—推理权重同步的高性能框架，核心目标是尽可能缩短迭代延迟，让Rollout阶段持续使用最新模型。它强调的几项关键能力包括：只传输必要的shard、支持原地更新、避免冗余复制，并支持NCCL、RDMA、共享内存等多种传输模式。对于大模型、多分片、多节点的RL系统来说，这不是局部优化，而是训练—推理协同效率的关键基础设施。
在大模型RL训练系统中，训练与推理之间的权重同步往往是最容易被低估、但又最容易成为瓶颈的一环。尤其在以下场景中，这一问题会迅速放大：
模型参数规模进一步增大
Dense模型演进到MoE模型
并行切分复杂度上升
多节点、多卡、多引擎协同运行
AWEX：拓扑感知P2P，只传真正需要的shard
针对上述问题，我们在AReaL中完成了AWEX权重同步机制的正式集成。AWEX的核心思路并不是简单替换一种传输方式，而是从拓扑与参数分布角度重新设计权重交换路径：
采用拓扑感知的P2P权重交换
只传输实际需要的参数shard
避免完整权重复制带来的冗余
降低显存/bufferfoot print
提升大规模场景下的稳定性

AReaL已可通过配置直接启用AWEX
本次集成后，AWEX不再是一个独立实验组件，而是已经进入AReaL的使用路径中，开发者可以通过配置直接启用：
actor.weight_update_mode: awex
由PPOTrainer自动完成相关运行时准备。这意味着对于使用者，AWEX已经从“需要额外手工拼装的能力”变成了“框架内可直接调用的能力选项”。同时，这次工作还补齐了多项框架级支持，使其能够适配更复杂的实际训练部署：
从原本主要面向Megatron->SGLang的链路，扩展到Megatron/MindSpeed->vLLM/vLLM-Ascend
兼容NPU平台
兼容Dense/MoE两类模型
补齐训练侧PP模式下的参数meta、layer映射、非均匀pipeline切分支持
相关样例与说明也已补齐，包括：
AReaL/examples/experimental/awex/README.md
AReaL/examples/experimental/awex/gsm8k_grpo_awex_sample.yaml
AReaL/examples/experimental/awex/gsm8k_grpo_awex_npu_sample.yaml
AReaL/examples/math/gsm8k_rl.py
从工程能力建设角度看，这一步非常关键：
AWEX集成AReaL后，权重同步不再是系统中的“额外优化项”，而成为框架主路径中的一部分。
这会显著提升后续更大规模RL训练任务在Ascend上的可复用性与推广效率。
性能收益已经验证：权重同步从“能用”走向“高效、稳定、可规模化”
对于基础设施能力来说，是否真正有价值，最终还是要落到数据上。
目前，AWEX×AReaL的性能与稳定性收益已经在多个模型规模上得到验证：
在qwen3-30B-A3B场景中，4个A3节点上的权重同步时间从约50s降低到约15s
在更大的qwen3-235B-A30B场景中，也已能在更低buffer开销下保持稳定运行
这些结果说明，AWEX带来的并不只是小规模场景中的局部优化，而是对大模型、多节点、复杂并行RL系统都有效的工程收益。
从框架适配走向业务落地与社区共建昇腾上的Agentic RL能力
从安装指南到Tau2**实践，从与社区OpenClaw训练接入范式同步，到AWEX高效权重同步进入框架主路径，这一系列工作共同表明：AReaL×Ascend已经在朝着“好用、稳用、规模化可用”的方向持续演进。
更重要的是，这些能力并不只服务于框架验证本身，也为后续更大模型、更长上下文、更复杂Agent环境的强化学习训练，打下更坚实的基础。下一阶段，我们将继续面向实际业务场景推进Agentic RL，在昇腾上支持Code Agent、Deep Search Agent、Tool Use Agent等典型Agent的后训练能力，持续打通从训练底座到业务部署的完整链路。
我们希望把这项工作做成一个持续演进、可复用、可共建的社区能力。AReaL官方README明确写到，项目欢迎社区贡献，并保持活跃迭代。欢迎对Agentic RL基础设施、Ascend适配、Agent落地和训练系统优化感兴趣的同学，一起加入社区开发，共同把AReaL在昇腾上的能力做深、做稳、做广。
AReaL v1.0的发布，给出了一个开源Agentic RL框架逐步成熟的信号。而华为团队在昇腾AI基础软硬件平台上的支持与增强，则进一步证明：昇腾不仅能够承接大模型训练与推理，也能够承接更复杂的Agentic RL训练体系。