Sun Tao d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад
..
probes d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад
synth d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад
tasks d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад
.gitignore d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад
README.md d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад
probe.py d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад

README.md

Extra14 配套代码:Agent RL 环境入门

配合 Extra14 使用。只需要 Docker 和 Harbor,不需要 API key。

uv tool install harbor

内容

路径 说明
tasks/order-stats-v1 故意写坏的 verifier,空解也能拿分
tasks/order-stats-v2 修好的版本
probes/ 用来测试 verifier 的各种解法:正确变体、取巧解、单点改坏
probe.py 用 oracle agent 依次运行这些解法,检查 verifier 会不会判错
synth/ 最小合成脚本:从种子生成任务,再逐个过门禁

运行

# 跑单个任务
harbor run -p tasks/order-stats-v1 -a nop
harbor run -p tasks/order-stats-v1 -a oracle

# 静态检查
harbor lint tasks/order-stats-v1

# 对比两版 verifier
python3 probe.py tasks/order-stats-v1
python3 probe.py tasks/order-stats-v2

# 批量合成并过门禁,任务生成在 synth/generated/
python3 synth/synthesize.py synth/seeds.json

# 只改 verifier 时,用旧结果回放
harbor job regrade jobs/<job目录> -p tasks/order-stats-v2

已在 Harbor v0.25.0 上验证。