agent-rl

Envs-FORGE是一种提示策略，用于为强化学习智能体合成训练环境，将验证器奖励转换为每个种子操作，以提高在SWE-bench和Terminal-Bench等基准测试上的性能。

Polar 是一种智能体强化学习部署基础设施，允许将真实世界的工具集直接用作训练环境，无需修改代码，支持 Codex、Claude Code、OpenClaw 和 Hermes 等模型。

该推文重点介绍了美团团队关于 Skill0 的论文，这是一种用于技能内在化的RL方法，并引用了一篇关于自蒸馏智能体RL的相关论文。