@huggingface
Hugging Face представила открытое практическое руководство по обучению с подкреплением сразу в нескольких агентных средах. Предложенный прокси поддерживает четыре API-формата, фиксирует точные ID токенов и logprobs из vLLM и позволяет обучать модели без изменения Claude Code, Codex или OpenCode. Отмечается, что одна и та же модель с одинаковыми весами может показывать 62% в одной среде и 33% в другой.