Adithya S K 发布 SmolDataEnvs，含 5000 余个可验证强化学习任务
SmolDataEnvs 是一套开源的可验证强化学习环境任务，数量超过 5000 个，用于在代码与数据科学领域对小模型做爬山式优化。此次发布包含环境、评测和训练。
#reinforcement-learning
查看全部AI快讯最干净的公开终端智能体 RL 集合中，仅 35.8% 通过 Salesforce AI Research 审计
Salesforce AI Research 将该集合的干净比例定为 35.8%，另外两个分别为 10.1% 和 3.3%，并发现两个方向的奖励错误。作者称，用于过滤缺陷环境的 RIVER 在使用不到 TMax 30% 环境的情况下，使 Terminal-Bench-Lite 上的 RL 增益提高 106%，Terminal-Bench v2.1 上提高 30%。
NVIDIA 的 Skill2Env 将公开 Agent Skills 编译为 7,971 项终端任务
Codex 规划器与创建器将每项技能转化为经过测试的终端工作流，评分标准取自该技能自身的质量标准。仅按结果的强化学习使 Qwen3.8-27B 在 Terminal-Bench 2.1 上从 49.4% 提升至 54.1%；加入评分标准后达到 50.1%，但在轨迹比较中胜出更多。