2026年5月28日，英伟达研究团队正式开源强化学习训练框架Polar。该框架无需修改Codex、Claude Code、Qwen Code等现有代码智能体执行外壳（harness），即可无缝集成GRPO（广义相对策略优化）训练。其核心设计将模型与智能体接口设为训练边界，在推理服务器与执行框架间插入轻量层，自动记录提示词、token采样及响应轨迹。实验显示，在SWE-Bench Verified基准上，Qwen3.5-4B模型经Polar+GRPO训练后，pass@1分数最高提升594.74%。训练效率亦显著提升，墙钟时间缩短约5.4倍。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。