HF 用开源轨迹合成 RL 环境:Repair/Build/Extend/QA 四类任务
yb2698 · x · 2026-11-06
为提升此前偏重数据分析任务的 RL 环境的难度与多样性,Hugging Face 以 HF Hub 上的公开 agentic 轨迹为种子数据,仅当包含可验证工作单元时才转成任务,合成出四类新环境:
- Repair:一个先失败、修改后通过的检查
- Build:从一条请求完成整个项目
- Extend:后续变更且检查通过
- QA:从公开数据计算得出的事实
每个任务在其容器镜像中运行 oracle 验证,只有参考 agent(LFM2.5-24B)有时能解、有时不能解的任务才保留——保证 GRPO 有学习信号。
所属事件:HuggingFace 开源直播 agent RL 训练：LoRA 适配器显著提升编码 harness(8 条相关)→
「编程与Agent」频道最新
- LLM 智能体接手 DNA 实验：自动改写协议抢空闲仪器 — bravo_abad · 2026-11-06
- Sentry 推出 CLI 与 MCP 二合一：一个登录态同时驱动两种接入 — zeeg · 2026-11-06
- Eon Yukon 数据引擎:每秒百万事件,计算比 Spark 省 4 倍 — dr_cintas · 2026-11-06
- Perplexity 发布 Teammates:可主动协作、接 Slack 消息的 AI 同事 — inductionheads · 2026-11-06
- BoxWorks 发布 Box Content Retrieval，CFO 级内容平台押注智能体 — shashib · 2026-11-06
- Agent 别给工具，给解释器：同一模型任务耗时从 19 分钟降到 2 分钟 — Itz_hany · 2026-11-06