Prime Intellect、23 のタスクセットを統合し 365,000 超のエージェント RL 環境を提供
原題:Scaling Agentic RL: 365,000+ Environments for SWE, Terminal, and Search
AI 要約
Prime Intellect は research-environments をリリースした。verifiers v1 の taskset API を通じて SWE、ターミナル、検索の 3 種類計 23 のタスクセットを単一のランタイムとサンドボックスフックの下に統合し、合計約 365,000 タスク(ソフトウェアエンジニアリング約 198,000、ターミナル約 28,600、検索約 137,600)を収録する。
要点
- Prime Intellect は research-environments をリリースした。
- verifiers v1 の taskset API を通じて SWE、検索の 3 種類計 23 のタスクセットを単一のランタイムとサンドボックスフックの下に統合し
- 合計約 365,000 タスク(ソフトウェアエンジニアリング約 198,ターミナル約 28,検索約 137,600)を収録する
概要
- 公開日時
- 更新日時
- カテゴリ
- 製品とアプリ
- AI スコア
- 64
おすすめの理由
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。
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:Prime Intellect、23 のタスクセットを統合し 365,000 超のエージェント RL 環境を提供。2026年7月22日。https://new.nat6.net/ja/news/cmtym43k80008ro104g1salgp/