a16z 投资 Preference Model，并开源 RL 环境框架 Karotte
a16z 投了 Preference Model，这家人专门给实验室做 ML 工程的 RL 环境，还把用了一年、跑过百万次评估的框架 Karotte 开源了，做 RL 训练的可以看看。
#RL环境
共 5 条 · 7 天 1 条 · 30 天 4 条
信息流里打上「RL环境」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月8日
9月25日
9月24日
Salesforce 提出 RIVER：为终端智能体 RL 环境做质检筛选
Salesforce 这篇论文发现公开 RL 环境大多有奖励错误，还给出 RIVER 筛选方法，8B 模型跑分反超随机采样，做 RL 训练的都该看看。
NVIDIA 发布 Skill2Env：将公开 Agent Skills 编译为 RL 环境生成近 8000 条训练任务
NVIDIA 把公开 Agent Skills 自动转成 RL 训练环境，产出近 8000 条任务，还开源了流水线思路，做 Agent 训练的可以看看。
6月6日
