用 RL 训 Qwen 写 p5.js 代码，可编程的水彩画师
zsakib_ · x · 2026-08-24
Surya Narreddy 展示了如何利用强化学习（RL）微调 Qwen 3.5 35B 模型，使其通过编写 p5.js 代码来生成水彩画，而非直接生成图像。
工作原理：
- 模型接收提示词，编写完整的 p5.brush JavaScript 草图。
- 代码在 Puppeteer 沙箱中渲染为 PNG 图片。
- 评判模型将该图与手工评分的参考画作进行对比。
- 判分结果转化为奖励信号，通过 GRPO 算法更新模型。
奖励检查项：
- 代码是否能编译通过。
- 代码长度。
- HPSv3 偏好分数（模型判断人类偏好）。
- 基于手工挑选草图的人类成对评分。
这使得生成的图像本质上是可编辑的代码，解决了传统生成模型无法直接编辑生成结果的局限。
所属事件:用 RL 训练 Qwen 编码模型写 p5.js 代码绘画(11 条相关)→
「编程与Agent」频道最新
- Devin Oncall 登顶 SREGym：自动值守排障达 100% 端到端成功率 — tianyin_xu · 2026-10-16
- 多模型同题设计 UI:用 Paseo 编排四套界面方案竞技 — vista8 · 2026-10-16
- 独立研究者发布 Cortex:用重放实测自动进化与修剪编码 Agent 的 skills 和 rules — Samuele Giampieri · 2026-10-16
- 工具调用才是 AI 编程速度瓶颈，Crabbox 五招给 Agent 提速 — steipete · 2026-10-16
- WorldBox 沙盒让 GPT-6 Astra 的 MazeBench 得分从 23 翻倍到 61 — ZhitingHu · 2026-10-16
- 两条 prompt 让 Gemini 4 Argon 把单机游戏改成完整多人对战 — chongdashu · 2026-10-16