/tags/agentic-rl/Recent content in Agentic RL on Ryan's BlogHugozh-cnSun, 01 Nov 2026 18:00:00 +0800/posts/building-agentic-rl-nano-miles-openshell/Sun, 01 Nov 2026 18:00:00 +0800/posts/building-agentic-rl-nano-miles-openshell/深度拆解如何将轻量强化学习框架 nano-miles 与零信任进程沙箱 nano-openshell 组装为一个完整的智能体 RL 闭环。涵盖多轮 Interleaved Loss Mask 的 Shift-by-One 严格对齐、无特权 Docker 容器下命名空间降级与看门狗进程树回收、GPU 0 训练与 GPU 1 推理物理分离架构，以及绕过硬件无 P2P 限制的单次连续 PCIe DMA Staging CUDA IPC（~122ms 零拷贝热更新）。附 RunPod 2x RTX 4090 真实 8 步收敛日志（准确率由 12.5% 跃升至 50%）。