Yiming Yan 等作者于 2026 年 10 月 29 日提交 Sandman 论文,介绍了 Amazon 构建并运营的一项沙箱服务,用于智能体工具执行与评估。作者称,该服务在共享 Kubernetes 集群上支持多个生产环境中的智能体强化学习(RL)工作负载。此次消息涉及论文及运营经验;摘要表示将开源守护进程、provider 和 pool,并未确立开源发布已经完成。[1]
训练框架提供任务镜像,随后在返回的沙箱中执行命令和文件操作。摘要称,文件与进程会在多次调用之间保留,直到框架释放环境。每个沙箱都是一个 Kubernetes Pod,小型守护进程被挂载到未经修改的镜像中;Sandman 负责创建、就绪管理和清理。[1]
作者报告,一次规模测试维持了 11,858 个并发微型沙箱;2026 年 10 月的四次生产环境 SWE-bench Verified 训练活动共创建了 310 万个沙箱。这些均为作者报告的数据。摘要将突发创建请求、任务环境准备、废弃沙箱回收和受控评估列为运营问题,但所给细节不足以独立评估上述结果或隔离保障。[1]
[1]: Sandman: Building and Operating Sandboxes for Agentic Reinforcement Learning on Shared Kubernetes。arXiv,2026 年 10 月 29 日。https://arxiv.org/abs/2610.39711
来源
核查或更正本页
- 更正
- 提交更正请求 · 在 GitHub 编辑源文件 · 更正政策