Hugging Face 用开源轨迹合成多样化 RL 训练环境

Hugging Face 以 HF Hub 上的公开 agentic 轨迹为种子，仅筛选包含可验证工作单元的轨迹，合成 Repair、Build、Extend、QA 四类任务。研究者用 LFM2.5-24B 自评任务难度并分层训练，以提升现有 RL 环境的难度与多样性。