HF 工程师用 GRPO+GEPA 训练 Qwen3.5-9B 写 Blender 代码生成 3D 房间
mervenoyann · x · 2026-09-07
Hugging Face 工程师 Merve Noyann 公开了一个基于 TRL 和 OpenEnv 的实验项目：训练 Qwen3.5-9B 通过工具调用编写 bpy 代码，从空白 Blender 几何体生成完整的低多边形等距房间场景，并用 GLM-5.3-Flash 作为评委模型打分。
关键细节：
- 训练数据为 256 条确定性生成的房间提示词（工作室、卧室、厨房、客厅四类），评估集 64 条
- 模型可用工具包括 executepython、inspectscene、renderscene 和 finish，渲染只返回文本元数据给策略模型
- 流程分两阶段：先跑 GEPA 优化奖励函数（初期完全渲染不出来，现在能渲染但语义质量不佳），再计划做 200 步 GRPO 训练
- 首个 HF Job 仅做评估，不修改基座模型
项目已在 Hugging Face Bucket（merve/blender-grpo-gepa）开源，包含脚本、Dockerfile 和文档，rollouts 过程可在线观看。
所属事件:HF工程师用GRPO训练9B小模型写Blender代码搭3D房间(3 条相关)→
「编程与Agent」频道最新
- Claude Code 用法心得：max 档做规划，xhigh 档做实现 — majidmanzarpour · 2026-10-27
- Chrome 团队详解 WebMCP：不是取代 MCP，而是让网站直接向 agent 提供工具 — rseroter · 2026-10-27
- Agent 绕过 UI 就能改已审批报销单?Agent-Native 框架要堵这个洞 — rseroter · 2026-10-27
- 开发者晒 AI 编码智能栈：人定方向 Opus 写码 Astra 审查，人类只做审阅 — sh_reya · 2026-10-27
- Baseten 网络课：用自有合并 PR 建 benchmark,按每成功任务成本评估开源模型 — baseten · 2026-10-27
- Thorsten Ball 谈 Agent 工作法：多用评测、多上自动化、放手让 Agent 干 — omarsar0 · 2026-10-27