Show HN：我通过强化学习训练了一个智能体，它再用强化学习训练模型（花费 –$1.3k）

Hacker News Top 2026/07/14 12:41 工具

reinforcement-learning open-source meta-learning agent-training gpu-orchestration rl-pipeline

摘要

一位开发者构建了一个管道，其中经过强化学习训练的AI智能体创建并提交针对小模型的强化学习训练任务，并根据智能体的表现给予奖励。该项目完全开源，并展示了向保留任务的迁移能力。

暂无内容

查看原文

查看缓存全文

缓存时间: 2026/07/14 13:17

在强化学习循环中的人工智能，其行动是训练另一个在强化学习循环中的人工智能。（来源：assets/hero.svg。）

一次完整的回合，端到端。（来源：assets/episode.svg。）

相似文章

X AI KOLs Timeline

精心整理的 10 个用于通过强化学习训练 AI Agent 的开源工具，涵盖 OpenPipe ART、verl-agent、Agent Lightning 和 Unsloth 等框架，并介绍了各工具的使用场景和优势。

X AI KOLs Timeline

rLLM 是一个开源框架，通过强化学习对语言代理进行后训练，其发布的重要模型如 DeepSWE-Preview 和 DeepCoder-14B-Preview 取得了最先进的结果。

TLDR AI

Mercor详细介绍了Qwen3.5-397B-A17B和Qwen3.6-35B-A3B针对知识工作代理的强化学习后训练，在APEX-Agents基准上实现了70%的相对改进，并开源了完整的训练配方。

X AI KOLs Timeline

分析为什么强化学习在编程任务中因可验证奖励而受到青睐，以及新兴框架Harbor如何解决RL训练中环境复杂度的瓶颈。

arXiv cs.AI

本文提出了一项概念验证，使用基于可验证奖励的强化学习（RLVR）来训练小型语言模型，使其能够在Jira和Confluence等企业SaaS工作流程中使用工具。该方法利用合成环境和GRPO训练来提高工具调用准确率，相较于基线取得了显著的奖励增益。