英伟达研究团队发布开源AI框架Polar，支持Codex、Claude Code、Qwen Code等智能体接入广义相对策略优化（GRPO）训练方法，无需改动原有工具调用与执行逻辑。该框架通过在模型API层集成智能体，实现多轮任务数据记录与训练信号转化，提升复杂流程任务表现。实验显示，在SWE-Bench Verified测试中，Codex的pass@1从3.8%提升至26.4%，增幅约594.74%。同时，训练时间缩短约5.39倍，GPU利用率显著提高。
英伟达研究团队发布开源AI框架Polar，支持Codex、Claude Code、Qwen Code等智能体接入广义相对策略优化（GRPO）训练方法，无需改动原有工具调用与执行逻辑。该框架通过在模型API层集成智能体，实现多轮任务数据记录与训练信号转化，提升复杂流程任务表现。实验显示，在SWE-Bench Verified测试中，Codex的pass@1从3.8%提升至26.4%，增幅约594.74%。同时，训练时间缩短约5.39倍，GPU利用率显著提高。