HuggingFace 开源 SmolDataEnvs：5000+ 可验证数据科学 RL 训练任务

HuggingFace 上线 SmolDataEnvs 数据集，包含 5000 个面向小模型强化学习的可验证数据科学任务。任务源自真实数据科学家在 471 个 Kaggle 数据集上写的 Jupyter 笔记本，每个任务都经过强 agent 模型在沙箱中解出并复现金标准答案后才被收录。评分由不依赖任何 LLM 的确定性评分器完成，通过精确比较已知答案给出奖励，保证奖励信号不漂移。项目配套提供 4677 条已验证的 agent 轨迹用于 SFT 热启动，以及打包成 Harbor 沙箱环境的训练/评测版本，官方 Colab notebook 显示 SFT 在免费 T4 上即可跑完，RL 需要一块 A100。