小米开源 7000+ RL 环境,HF Space 可视化运行 rollout
SergioPaniego · x · 2026-09-28
- 小米开源了超过 7000 个强化学习环境,覆盖编程、网络安全、通用任务、音乐等多个领域。
- 团队上架了一个 Hugging Face Space,支持浏览与可视化这些环境:选择一个环境 → 选择一个模型 → 运行 rollout → 直观查看模型的每一步行为。
- 对研究 RL 环境设计与训练的人来说,可以把环境实际跑起来观察,而不是只读论文。
「研究」频道最新
- SmolDataEnvs 发布:5k+ 可验证 RL 任务,用真实 Kaggle 数据训练小模型 — SergioPaniego · 2026-09-28
- 线性模式连通性:测试损失上出现、训练损失上却没有的被低估现象 — _arohan_ · 2026-09-28
- John Langford 发布 Vowpal Wabbit 9.11.9 修复版,自动打通多平台包发布 — JohnCLangford · 2026-09-28
- 实验室 NeurIPS 发三篇论文：CoT 忠实度指标近乎失效 — megamor2 · 2026-09-28
- CodeGraph:用代码 LLM 为 1.67 亿源码文件构建开放分类知识图谱 — Federico Pennino · 2026-09-28
- Adobe 提出输出头 Softmax 重参数化,W4 量化后 KL 误差降 73% — adobe · 2026-09-28