用 TRL 和 OpenEnv 训练代码模型画水彩：Hugging Face 全流程开源复现

用 TRL 和 OpenEnv 训练编码模型画水彩：Hugging Face 全流程开源复现

Sergio Paniego 把 Surya Narreddi 用强化学习训练 Qwen 写 p5.js 代码画水彩的流程完整复现并开源了。他用 TRL 做 GRPO 训练，OpenEnv 搭强化学习环境，HPSv3 当评分模型，整套跑在 Hugging Face 的 Jobs 和 Spaces 上。训练 110 步后，Qwen3.5-35B-A3B ...