你可以直接用Claude、CoDex、OpenCode、Pi或任何框架训练带强化学习的开源模型，无需修改运行环境。Adithya S.K.给OpenEnv加了个捕获代理，它插在框架和模型之间，记录每次调用的精确token ID和概率，对框架来说就像另一个模型供应商。Harbor提供任务和沙盒，TRL用异步GRPO训练，这样做很值——因为框架!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
—— huggingface (@huggingface) X帖子｜2026-10-01T15:30:00+00:00
原帖：https://x.com/huggingface/status/2105682756025921583
huggingface：你可以直接用Claude、CoDex、OpenCode、Pi…
你可以直接用Claude、CoDex、OpenCode、Pi或任何框架训练带强化学习的开源模型，无需修改运行环境。Adithya S.K.给OpenEnv加了个捕获代理，它插在框架和模型之间，记录每次调用的精确token ID和概率，对框架
扫描二维码，在手机上阅读
