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：网页链接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KVCacheAgenticRLAIInfra