作者：周源/华尔街见闻 VMR²L是一种虚拟机重调度系统，全称Versatile Multi-agent Reinforcement Learning with Real-time Reasoning，直译就是：具备实时推理能力的、通用多智能体强化学习系统。 此外还有两阶段智能体架构，通过显式约束过滤非法动作，自然满足资源容量、亲和性限制等工业级调 度规则，在不同负载场景下泛化误差小于5%。 测试数据显示，在典型云计算集群中，VMR²L可将资源利用率提升18%-22%，迁移时间从分钟级降至 秒级，为高密度数据中心的实时资源调度提供了可行方案。 6月5日，字节跳动技术团队微信公众号发文称，由字节跳动ByteBrain团队主导，联合加州大学默塞德 分校（UC Merced）与伯克利分校（UC Berkeley），提出了VMR²L，研发出一套基于深度强化学习的 VMR系统：在保持近似最优性能的同时，将推理时间压缩至1.1秒，成功实现系统性能与工业可部署性 的统一。 通过深度强化学习技术，VMR²L将虚拟机资源调度的推理时间压缩至1.1秒，同时保持与传统混合整数 规划（MIP）方法相近的资源优化效果，为云计算、数据中 ...