OpenForge RL связал реальные agent harness со стандартным RL

OpenForge RL — это опубликованный фреймворк для сквозного RL-обучения агентов прямо внутри реальных inference harness. Вместо переписывания агентного runtime под отдельный учебный стек авторы ставят прокси между harness и моделью: он перехватывает вызовы, записывает пары prompt-response и преобразует их в траектории, пригодные для стандартных RL-инструментов вроде veRL.

Практическая идея в том, что rollout можно запускать не в специально собранной песочнице, а в окружениях, где агент уже работает. Для изоляции Kubernetes-оркестратор поднимает каждый rollout в отдельном удалённом контейнере.

В работе OpenForge-Claw обучали через ReACT, ZeroClaw, OpenClaw и Codex; авторы пишут, что обучение на нескольких harness улучшает перенос между ними. Отдельно тот же подход проверили на GUI-агентах для браузера и управления компьютером.

При этом со статусом релиза есть оговорка: статья публична и фреймворк описан как открытый, но по самой странице не до конца ясно, в каком виде уже доступны код, данные и модели.