Hugging Face 开源编码 harness 转 RL 环境方法

Hugging Face CEO Clément Delangue 称，其团队把 Claude Code、Codex、Hermes、Pi、OpenCode 等 10 个编码 harness 转为强化学习环境，且未改动 harness 和训练代码。 具体做法被描述为用代理而非重写实现，相关资源全部开源：OpenEnv 中的捕获代理、TRL 中的训练器、任务、SFT 数据、训练代码及 7 个训练好的模型。Delangue 称该方法适用于任意开放模型和任务集。这些说法来自其本人发布，尚不代表已被独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。