北京大学计算机学院与小米Mimo团队联合提出了一种名为ARL-Tangram的动作级资源管理系统。该研究指出，传统的智能体强化学习框架通常采用静态的资源预留方式，导致在大语言模型生成期间，用于代码执行的 CPU 或奖励模型的 GPU 资源长时间处于闲置状态。实验数据显示，ARL-Tangram 能够将外部资源的消耗降低 71.2%，目前该系统已成功应用于小米 MiMo 系列模型的生产环境训练中。 
 [image] 
[image] 
实验数据证实，这种更灵活的分配策略显著加快了训练节奏。在实际的 AI 编程训练任务中，动作完成的平均等待时间降低到了原来的四分之一左右，整体训练速度也因此提升了 50%。该系统目前已经正式投入生产环境，用于支撑小米 MiMo 系列模型的迭代。