💥太牛了！Agent交互强化学习终于不再“工程地狱”了！HarborRL开源全套框架，真实Coding Agent也能稳稳做RL！ 以前训Agent RL最… · @NFT_Chen · TwKit

@NFT_Chen

💥太牛了！Agent交互强化学习终于不再“工程地狱”了！HarborRL开源全套框架，真实Coding Agent也能稳稳做RL！ 以前训Agent RL最痛苦的不是算法，是轨迹收集、Token对齐、多轮工具调用、策略版本一致性这些工程坑。HarborRL把它们全部打通，做成可复现流水线。 核心亮点 🔹直接复用Harbor沙箱任务（200+，含Terminal-Bench/SWE-Bench等），自带Verifier算Rewar 🔹支持真实Coding Agent多轮Rollout（Claude Code等40+ harness）+ SGLang推理 🔹轨迹严格校验 + 无缝接入Slime/Megatron训练 🔹支持CPU Rollout + GPU Training分离部署 MATH灵活组合：Qwen/GLM × GRPO/DAPO × 200+任务 × 40+ Harness 快速上手 1️⃣uv sync --extra dev 2️⃣uv run harborrl train -model qwen3-8B -harness claude-code -task terminal-bench -alg grpo 3️⃣或用YAML / harborrl web 控制台配置与监控 开源MIT协议。 
GitHub：https://github.com/datamllab/HarborRL #大模型 #agent #强化学习 #框架 #开源 #人类高质量科研工具 #开发 #算法

曝光 1092 · 评论 11 · 点赞 15 · 书签 14