代码智能体训练环境

1. 核心问题——在 Qwen3 等开放权重模型上部署后训练流程需要在许多不同环境中进行 SFT+RL，成本高昂且令人烦恼。

解决方案：

1. DreamGym——通过代码世界模型在模拟环境中训练
2. Autoharness——RLMs，让智能体自行编写测试环境
   1. 与上述类似，但改为部署预设的 GitHub 环境
4. 需要超越的基准指标：
5. NeMo-Gym——标准化基准