Prime Values：开放版价值函数基础设施
_AndrewZhao · x · 2026-07-19
这是一个围绕 value function 的开源训练基础设施介绍。作者说，前沿实验室已经普遍在用 value functions，但开放生态里还缺少好用的基础设施，于是他们在 prime-rl 之上做了 Prime Values。
核心特性包括：
- 清晰、可拆分、可 hack 的抽象层
- 异步的 value trainer / evaluator 节点，避免 trainer 成为瓶颈
- 原生 value warmup 支持
- 流式 replay buffer，利用 value model 对“更旧数据/复用”更高容忍度
作者还声称，默认配置在单轮和多轮任务上，已经能与或优于 mean-baseline GRPO。
「编程与Agent」频道最新
- 让 Hermes Agent 当 QA：浏览器实测揪出 8 个网站问题 — techlatest_net · 2026-10-27
- 开源 FableCut 用远程 MCP 让 AI Agent 直接剪辑浏览器时间线 — FastPresence9799 · 2026-10-27
- 网友给 Hermes Agent 配专属 Ubuntu 虚拟机实测真实任务表现 — techlatest_net · 2026-10-27
- 开发者晒弃用清单：VS Code、Office 全卸载，只用 Claude — One_Improvement_6470 · 2026-10-27
- Grok bot 首次自主网购：识破页面隐藏提示，1 美元开通 Spotify 后秒取消 — msg · 2026-10-27
- Swarmatory 开源：为团队编码 Agent 提供共享聊天室与信息流 — qhoxie · 2026-10-27