スケーラブルな強化学習は、数千の独立したロールアウトサンドボックスを並列で実行し、各ホストにより多くを詰め込むことで、トレーニングステップあたりのコストを削減します。この記事では、Amazon EC2メタルでのFirecracker microVM密度を調整する方法を示し、独自のレイテンシと密度カーブをマッピングするためのハーネスであるlabsweepを紹介します。