Vibe News

五千多个可验证的强化学习环境任务被打包成开源项目SmolDataEnvs，专门用来打磨百亿参数以下的小模型，让它们在代码和数据科学任务上不断进步。 作者是印度开发者阿迪提亚，他说现在入门强化学习教程大多还在用猜字游戏和小学数学题，这类任务早就刷烂了，练出来的模型也派不上什么实际用场。 这批新任务全部取材真实的Kaggle数据集和竞赛题目，按简单、中等、困难分了等级，每一道题都配有确定性评分器，能自动判定对错。 项目同时按Harbor规范发布，评测和训练用的是同一套环境设置。 数据里打包了监督微调的轨迹和强化学习任务两种形式，单张A100显卡就能完成训练。 代码和教程笔记本都已经公开。