5月28日，英伟达研究团队发布了开源AI框架Polar。该框架的核心价值在于“无缝接入”：它让Codex、Claude Code等现有代码智能体无需修改任何底层逻辑，就能直接应用广义相对策略优化（GRPO）这一强化学习技术。 GRPO擅长通过奖励信号优化模型在多步骤任务（如操作代码库、浏览器交互）中的表现。过去，将复杂系统改造为强化学习接口不仅工程难度大，还容易丢失关键数据。Polar通过在API边界插入智能代理，既保留了原有运行逻辑，又能自动兼容多种请求并记录训练数据，解决了这一痛点。 实测效果显著：在SWE-Bench Verified测试中，结合Polar与GRPO训练的Codex，其一次通过率（pass@1）从3.8%飙升至26.4%，提升近6倍；同时训练速度加快约5.39倍，GPU利用率也大幅提高，为高效训练代码智能体提供了新路径。