同一个模型，在一个代理框架下得分62%，而在另一个框架下只有33%。@adithya_s_k 和 @huggingface 团队刚刚发布了关于多框架RL的终极指南，这是今年最实用的RL教程之一，而且全部开源！诀窍很简单：不要改动代理框架，而是让它指向一个代理程序，而不是直接指向模型。这个代理程序能理解四种编码代理使用的API格式（OpenAI聊天回复、OpenAI响应、Anthropic消息、Gemini）。它会记录vLLM采样的确切token ID和logprobs，然后你用这些数据来训练。你不需要改动Claude的任何一行代码。
—— huggingface (@huggingface) X帖子｜2026-10-02T14:51:01+00:00
原帖：https://x.com/huggingface/status/2106034221005312448
huggingface：同一个模型，在一个代理框架下得分62%，而在另一个框架下只有…
同一个模型，在一个代理框架下得分62%，而在另一个框架下只有33%。@adithya_s_k 和 @huggingface 团队刚刚发布了关于多框架RL的终极指南，这是今年最实用的RL教程之一，而且全部开源！诀窍很简单：不要改动代理框架，而
扫描二维码，在手机上阅读
