LEGO-RL 发布:让编码 agent 用原生 harness 直接做策略梯度训练
Lego-X · hf · 2026-08-20
LEGO-RL 是一个面向编码智能体的强化学习框架，核心思路是把「原生编码 agent harness」直接接入可扩展的策略梯度训练，而不必为训练重写一套执行环境。
技术路线包括三部分：
- 进程内 LLM 代理（in-process LLM proxying）：让训练框架与 harness 内的模型调用透明对接；
- 沙箱编排：安全地并行执行 agent 产生的代码与操作；
- 集成监控：跟踪训练过程中的 agent 行为与指标。
作者报告该框架在多个 harness 上提升了稀疏 MoE 模型的表现。
「编程与Agent」频道最新
- Devin 现已足够强大，Cognition 称瓶颈仅在于用户野心 — marvinvonhagen · 2026-08-20
- Eve 发布：像 Next.js 一样构建持久化 AI 智能体 — evilrabbit_ · 2026-08-20
- 浏览器运行模型的手势识别 Demo，用 Weave 追踪其错误 — wandb · 2026-08-20
- LangChain 联手 PrimeIntellect 探讨 Agent 自动化与评估 — hwchase17 · 2026-08-20
- GitHub Copilot app教程：用My work面板管理PR和Issue — GitHub Blog AI/ML · 2026-08-20
- 播客：与 TraceLab 深度解析编码智能体 — CShorten30 · 2026-08-20