LEGO-RL：面向编程智能体的Harness原生强化学习

来源简报

LEGO-RL：面向编程智能体的Harness原生强化学习: LEGO-RL是一个面向编码智能体的执行环境原生强化学习框架，将智能体执行环境与策略梯度训练对齐。它解决了环境崩溃和奖励欺骗问题，否则这些问题会在RL微调期间破坏结果信号。