HF工程师用GRPO训练9B小模型写Blender代码搭3D房间

Hugging Face 工程师 Merve Noyann 基于 TRL 与 OpenEnv 搭建 Blender 强化学习环境，训练 Qwen3.5-9B 小模型通过工具调用编写 bpy 代码，从空白几何体搭建完整低多边形房间。实验先后采用 GRPO 与 GEPA 方法，作者公开了 rollout 场景并记录了实验中踩过的坑，展示了 RL 训练代码生成 agent 的完整实践。

2026-09-07 ~ 2026-09-08 · 3 条相关

• HF 工程师用 GRPO+GEPA 训练 Qwen3.5-9B 写 Blender 代码生成 3D 房间 — mervenoyann · 2026-09-07
• HF 工程师实测 GEPA：基于 TRL 与 OpenEnv 训练 agent 并公开 rollout 场景 — mervenoyann · 2026-09-07
• 用GRPO教9B小模型写Blender代码造低多边形房间,踩坑全记录 — TheMoonMidas · 2026-09-08