astraflow：异步多策略弹性异构rollout的通用LLM强化学习系统

astraflow是通用LLM强化学习系统，核心特点是异步多策略与弹性异构rollout：采样可按不同策略异步展开，并调度到异构算力上弹性执行，训练与采样解耦。对需要自建RL训练管线的团队，这类设计有助于提升GPU利用率并支撑多任务并行训练。本次公开材料未披露性能数据与支持的算法等更多细节。