这个项目用什么奖励信号训练模型画水彩？
奖励函数包含四项：gate 判断草图是否合规、length 鼓励较长代码、成对裁判与人工评分画作池对比风格，以及 HPSv3 美学偏好模型。
Training a coding model to paint watercolours with TRL and OpenEnv
（翻译）用 TRL 与 OpenEnv 训练代码模型绘制水彩画
资讯摘要
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
AI 摘要
本文介绍了如何用 TRL 与 OpenEnv 复现一个公开技术流程：训练 Qwen 代码模型生成约150行 p5.brush JavaScript 来绘制水彩画，并利用门控规则、代码长度、成对风格裁判和 HPSv3 偏好模型等构成的奖励函数做强化学习。作者开放了参考画作池、RL 环境、训练脚本及模型，并用三种奖励配比做了对比实验。
AI 问答
模型具体通过什么方式生成画作？
模型编写约 150 行 JavaScript 代码，通过 p5.brush 库在 p5.js 中模拟水彩媒介，再将草图渲染为图像。
文章开源了哪些内容？
公开了参考画作池数据集、强化学习环境、训练脚本、训练完成的模型等全部工件，并汇集在一个 Hugging Face collection 中。
更多资讯
超越代币化：让RWA在链上发挥实用价值
“裁判”不想给阿莫迪吹暂停
我和我的 AI 手机吃了 3 顿饭
想把喜欢的故事做成动画？我用 AIXTV 把《聊斋》做出来了
OpenAI 总裁：AGI 已经发生
碧桂园服务与支付宝全面深化合作，共筑“智慧物业”数字化新标杆
百度做了一堆AI产品，却没有一个能代表百度？Mistral 与 Mozilla 合作推出 Firefox Smart Window
云连锁到轻连锁，品牌业务逻辑的改变
当黄仁勋和Dario遇上休谟：火鸡、台球与AI末日论
比 MEGA Home 便宜 14 万！理想 i9 Home 上市定价 36.98 万元，六座旗舰变天了企业案例分享：伊辛智能｜36氪2026产业未来大会
这种国民鱼一直被低估、被当廉价鱼！现在才知道钙和 DHA 这么多！快试试奇安信斩获国家信息安全漏洞库CNNVD两项重磅荣誉从前沿技术到产业资本，2026产业未来大会看见「深水之上」F-Droid 上的应用有多少是在 AI 帮助下编写的？
“极端”空头压境 美联储周三不加息就是最大意外字节跳动CEO梁汝波：豆包、飞书与火山引擎整合后 将加大企业市场投入清华稳准智能联合发布LimiX-2，结构化数据基础模型登顶国际评测榜单
分析师：四大关键因素驱动 Robinhood 链快速增长
超越代币化：让RWA在链上真正有用AI健康走进百姓餐桌，蚂蚁阿福推出AI饮食分功能
vivo Buds Clip 体验：42 小时续航的无感佩戴，音质好也舒服
Your Agent Aced the Task. Will It Do It Again?
金色Web3.0日报 | 黄仁勋批驳「AI末日论」
项目汇报怎么讲，才能让领导看见你的价值？
一边喊停一边敲钟：硅谷AI巨头到底在怕什么横扫四榜，DM0.5 凭什么面面俱到？36氪项目新势榜：不看包装，只看项目真实进展
派早报：Steam Frame 开启预购、WPS 多端支持 Markdown 等