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:RL 微调 Qwen 模型用 p5.js 代码绘出水彩画(2 条相关)→
「编程与Agent」频道最新
- 开发软件前先让 Agent 查开源库，99% 的情况是正解 — generativist · 2026-08-24
- OpenAI 展示用语音在 Codex 实现免手写代码 — OpenAIDevs · 2026-08-24
- Swarms：企业级多智能体编排框架开源 — KyeGomezB · 2026-08-24
- 研究揭示 AI Agent 行为：六成阅读量来自指令与笔记 — dair_ai · 2026-08-24
- Claude 自主验证 43 个数学模块，AI 攻克理论物理难题 — Tkaraletsos · 2026-08-24
- Compound Engineering 插件重写：上下文体积缩减 70% — iamrobotbear · 2026-08-24