TRL 和 OpenEnv 支持端到端训练编码智能体
SergioPaniego · x · 2026-07-24
- 这条帖子介绍了如何用 TRL + OpenEnv 训练自己的 编码智能体，起点是 opencode。
- 新增能力是端到端训练 agent harness：TRL 在 OpenEnv 会话里启动智能体，读取执行轨迹，重建训练样本，再用 AsyncGRPO 训练。
- OpenEnv 的作用是把 OpenCode 的运行环境和一个透明代理结合起来，记录每一步的 token id 和 logprobs。
- 核心思路是直接训练“真实跑工具的 agent 循环”，让策略从它自己生成的原始 token 中学习。
- 他们还给出了一个可复现示例：本地子进程沙箱 + DeepCoder 题目，并在 Qwen3-8B 上验证。
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