高质量开源RL环境稀缺但价值巨大

强烈赞同。这种情况比我预期的要少得多--部分原因是构建高质量环境通常涉及相当昂贵的验证（测试强模型）。尽管如此，还可以有更多。 【@Thom_Wolf】：发布大量高质量的开源RL环境是当前任何人推动开源前沿所能做的最有影响力的事情 相当于分享高质量预训练数据，但在新的RLVR范式下