Hugging Face 把 Claude Code、Codex 等 10 个编码工具变成 RL 训练环境
huggingface · x · 2026-10-05
Hugging Face CEO Clément Delangue 宣布将 Claude Code、Codex、Hermes、Pi、opencode 等主流编码 harness 直接转化为 RL 训练环境,不改 harness、不改训练代码,完全开源。
核心问题:同一模型在 Mini-SWE-Agent 下得分 62%,在 Claude Code 下只有 33%——大多数模型的 RL 训练是在没人实际部署的 scaffold 里做的,训练环境与真实 harness 脱节。
解决方案是一个代理(proxy)而非重写:harness 以为自己连的是模型 API,实际连的是一个捕获代理,它支持编码 agent 常用的 4 种 API 格式(OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、Gemini),转发给 vLLM 并记录精确的 token ID 和 logprobs,再把可训练序列交给 TRL。harness 本身就成为训练环境,目前已跑通 10 个 harness。
所属事件:HuggingFace 用多编码工具强化训练开放权重模型(2 条相关)→
「编程与Agent」频道最新
- 零游戏开发经验,他用 Codex 给 9 个月女儿做了款 Game Boy 游戏 — Hacubu · 2026-10-05
- Chris Lattner 将在 SPLASH 演讲:Mojo 类型系统与 agentic coding — clattner_llvm · 2026-10-05
- Chris Lattner 将在 SPLASH 深入讲解 Mojo 类型系统与编译期机制 — clattner_llvm · 2026-10-05
- 通过 MCP 接入 NotebookLM,Claude Code 可零 token 读完整文档 — Aiden_Tech_Ai · 2026-10-05
- Replit 联合创始人 Jacky Zhao 离职加入 Anthropic — Kyrannio · 2026-10-05
- 野外发现中国智能体集群，报告追踪大规模 agent 舰队活动 — Puzzleheaded-King584 · 2026-10-05