快手 Kwaipilot 团队近日发布了 SeamlessFlow 技术报告，SeamlessFlow 是该团队所使用的工业级规模强化学习（RL）训练框架。
据介绍，该框架通过创新的数据平面架构，对RL的训练逻辑和Agent做了彻底解耦，用以支持多智能体、在线强化学习训练等复杂场景。
更进一步，针对RL计算资源分配问题，团队提出了“标签分配机制”，统一了该领域最广泛的两种设计模式（训推共卡、训推分离）。以标签分配的思路为出发点，在业界首个提出“时空复用pipeline”，实现了在训推分离的异构集群上彻底消除Pipeline Bubble的效果。
在实际测试中，SeamlessFlow的端到端token吞吐量相比基线提升100%，整体训练时间减少62%。
详细内容查看技术报告：https://arxiv.org/abs/2508.11553
评论删除后，数据将无法恢复
快手发布工业级规模强化学习(RL)训练框架 SeamlessFlow
快手 Kwaipilot 团队近日发布了 SeamlessFlow 技术报告，SeamlessFlow 是该团队所使用的工业级规模强化学习（RL）训练框架。
据介绍，该框架通过创新的数据平面架构，对RL的训练逻辑和Agent做了彻底解耦，用以支持多智能体、在线强化学习训练等复杂场景。
更进一步，针对RL计算资源分配问题，团队提出了“标签分配机制”，统一了该领域最广泛的两种设计模式（训推共卡、训推分离）。以标签分配的思路为出发点，在业界首个提出“时空复用pipeline”，实现了在训推分离的异构集群上彻底消除Pipeline Bubble的效果。
在实际测试中，SeamlessFlow的端到端token吞吐量相比基线提升100%，整体训练时间减少62%。
详细内容查看技术报告：https://arxiv.org/abs/2508.11553