小红书全模态新作开源！最高提速76%

第一，故障隔离机制确保单个服务（例如因内存溢出而崩溃的推理服务）的故障不会扩散到其他角色。系统采用两级恢复策略，能够区分无状态角色和有状态角色，避免了因某一个角色出错而导致整个训练任务全局重启的高昂代价。

第二，独立伸缩能力允许用户根据实际负载灵活调整资源。例如，可以单独增加用于生成样本的推理服务副本数量，而完全不影响Critic集群的规模。这使得资源调整不再需要整体协调，大大简化了运维操作。

第三，生命周期管理将每个角色的完整运行过程（初始化、检查点、重启）都提升到服务层面进行统一管理。这样一来，各个角色的生命周期逻辑就不再纠缠于全局训练循环中，既降低了代码复杂度，也提升了系统的模块化与可维护性。

此外，Relax提供分布式Checkpoint服务，能低延迟地将更新后的权重分发到所有推理引擎，使故障恢复无需回退到磁盘检查点。该服务同时支持集群内高速传输和跨集群传输两种通道，可适配不同的部署拓扑。

针对Agentic RL多轮推理、工具调用和搜索增强等场景，Relax将基础设施与算法关注点剥离，支持业务灵活接入。

比如，用户可以自定义Rollout与Reward。Relax支持多轮Agentic工作流，每个推理轮次可接收新的视觉输入，生成服务维护会话状态，数据总线独立追踪每轮的字段就绪状态。奖励计算支持规则奖励、生成式奖励模型和自定义接口三种模式。

此外，工具调用可以作为异步服务调用，融入rollout循环。