TRL 与 OpenEnv 让 agent 在自定义编码 harness 里训练
ben_burtenshaw · x · 2026-07-24
可以在 TRL + OpenEnv 里，使用自己选择的 harness 来训练 agent，比如 OpenCode、pi、Codex、Claude Code。
- 核心思路是：让模型在它真实使用的同一套上下文/工具环境里训练，这样它会更会用正确工具完成任务，而不是只学到抽象能力。
- 作者给出的流程是：准备任务数据集 → 用一个 harness 驱动 session → 接入 OpenEnv 环境和 adapter → 通过 TRL HarnessRolloutWorker 采集轨迹 → 用 AsyncGRPOTrainer 根据环境 reward 更新权重。
- 配图把整个循环画得很清楚：代码任务 + verifier → agent 执行 → 环境验证 → rollout 采样 → policy 更新。
所属事件:TRL 联合 OpenEnv 支持自定义智能体训练(4 条相关)→
「编程与Agent」频道最新
- 开发者开源一套更好看的 Agent 运行瀑布图追踪 UI — round · 2026-10-27
- 马斯克盛赞 Grok Bot:像雇了个超能干的幕僚长 — elonmusk · 2026-10-27
- shadcn 演示用 /improve skill 搭配 Grok 批量处理 issue — shadcn · 2026-10-27
- Paradigm 推出 Envoys：Claude Code 与 Codex 接入研究图谱，用自己订阅即可免费 — tensorqt · 2026-10-27
- AXL 上线远程 MCP 服务器，向 Claude 等开放 1284 个营销 API — EdTech_Padre · 2026-10-27
- GitHub 托马斯发布 Entire：面向人机协作的全新 Git 代码托管平台 — carrycooldude · 2026-10-27