Mga produkto at aplikasyon

Pinagsama ng Prime Intellect ang 23 taskset, nagbibigay ng mahigit 365,000 agent RL environment

Orihinal na pamagat:Scaling Agentic RL: 365,000+ Environments for SWE, Terminal, and Search

AI summary

Inilabas ng Prime Intellect ang research-environments, na pinag-iisa sa pamamagitan ng taskset API ng verifiers v1 ang 23 taskset sa tatlong kategorya—SWE, terminal at search—sa isang runtime at sandbox hooks, na may kabuuang humigit-kumulang 365,000 task, kabilang ang humigit-kumulang 198,000 software engineering task, humigit-kumulang 28,600 terminal task at humigit-kumulang 137,600 search task.

Mahahalagang impormasyon

  • Inilabas ng Prime Intellect ang research-environments,na pinag-iisa sa pamamagitan ng taskset API…
  • terminal at search—sa isang runtime at sandbox hooks
  • na may kabuuang humigit-kumulang 365,000 task,kabilang ang humigit-kumulang 198,000 software…

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
Prime Intellect(网页)
Kategorya
Mga produkto at aplikasyon
AI na marka
64
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

原文给出 23 个任务集统一为一套 API 的整合方法,以及 gold patch 验证和 reward hack 防护的具体做法,可复用于 RL 环境搭建。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Pinagsama ng Prime Intellect ang 23 taskset, nagbibigay ng mahigit 365,000 agent RL environment. 22 Hulyo 2026. https://new.nat6.net/fil/news/cmtym43k80008ro104g1salgp/

Tingnan lahat →