Prime Intellect发布verifiers v1

产品是什么

Prime Intellect 发布 verifiers v1,本质是一次对 Agent 强化学习(RL)环境栈的架构重构。旧版本里 task、prompt、tool、reward 全部耦合在一个 Trainer 进程里,做新任务要改一大坨代码;v1 把栈清晰拆成三层:Task 数据集(题目 + 评测逻辑)、Harness(Agent runtime,管 tool 调用、上下文、多轮对话)、Runtime(sandbox 执行环境,隔离 + 资源管理)。三层通过标准 schema 解耦,可以独立迭代、独立替换。

解决了什么问题

RL for Agents 这两年的最大瓶颈不是算法,是环境。SFT 时代有 HuggingFace 数据集一把梭,但 RL 阶段你需要一个能跑 Agent rollout、能打分、能耗得起万级并发的环境栈。此前社区方案要么太简陋(自己写 Docker + parser),要么太封闭(OpenAI / Anthropic 的内部 harness 不开源)。verifiers v1 直接对标的是 <