5月28日，英伟达开源强化学习训练框架 Polar，可在无需修改原有代码的情况下，使 Codex、Claude Code、Qwen Code 等主流代码智能体接入 GRPO 训练。该框架通过在模型 API 与执行框架间引入网关代理，拦截并重构请求数据为训练轨迹，避免传统环境重写带来的高成本与信息损失。Polar 采用异步架构与缓冲机制提升资源利用率。在 SWE-Bench Verified 测试中，Qwen3.5-4B 在 Codex 框架下 pass@1 从3.8%提升至26.4%。同时训练效率显著提升，GPU 利用率达87.7%。
