主要来源marktechpost
查看原文事件专题 · 官方一手
NVIDIA 发布 Polar：跨 Codex、Claude Code 和 Qwen Code 的 GRPO 训练框架
NVIDIA 研究人员推出 Polar，一个 token 忠实展开框架，用于通过强化学习训练语言智能体，无需修改其智能体框架。Polar 在框架和推理服务器之间放置模型 API 代理，捕获 token 级交互并重建训练器就绪轨迹。基于 Qwen3.5-4B 基础模型使用 GRPO，Polar 在 Codex 框架下将 SWE-Bench Verified pass@1 提升 22.6 个百分点，在 Claude Code 下提升 4.8 个百分点，在 Pi 下提升 6.2 个百分点。该框架已注册为 NeMo Gym 环境，并在 ProRL Agent Server 仓库中发布。
当前结论
Polar 解决了 RL 训练智能体时需修改框架的痛点，做代码智能体或 RL 训练的开发者可以直接集成，无需改动现有工具链，值得一试。
5 个信源76° AI 热度最后更新 2026/5/27 17:09:38
证据链
相关来源 1IT之家
查看原文相关来源 2NVIDIA AI
查看原文相关来源 3阶跃星辰 Stepfun
查看原文相关来源 4rohanpaul_ai
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。