模型精选
vLLM 将 Claude Code 等 10 个 harness 转为 RL 环境
精选理由
有人把 Claude Code、Codex 这些 harness 全改成了 RL 环境，接 vLLM 就能自己设计奖励，训练后工具调用少了 31%。
Clement 在 vLLM 项目下将 10 个 harness（含 Claude Code 和 Codex）转换成 RL 环境，通过代理连接到 vLLM，支持灵活的奖励设计。同一模型在多个 harness 上获得提升，工具调用减少 31%。这套方案面向想给编码智能体做强化学习的开源开发者。
原文 · vLLM
Great open-source work from Clement, converting 10 harnesses—including Claude Code and Codex—into RL environments connected to vLLM via a proxy for flexible reward design.
The setup demonstrates multi-harness gains using the same model, including a 31% reduction in tool calls.
https://t.co/OCwbmD3Qwv
