Hugging Face 联创呼吁开源高质量 RL 环境

Hugging Face 联创 Thomas Wolf 称，发布高质量开源 RL 环境是当前推动开源前沿最有影响力的事，相当于在 RLVR 新范式下共享高质量预训练数据。引用推文提到，有团队将开源约 7k RL 训练数据及框架，该模型在 AA 排名前 6，且从启动最终 RL 训练到发布模型与技术报告不到 1 周。