Atropos v0.3 теперь доступен!

Наша платформа RL Environments претерпела множество обновлений с версии v0.2 — вот некоторые основные моменты:

- Теперь Atropos можно использовать в качестве платформы для бенчмаркинга и оценки от @rogershijin, с нашим первым внешним бенчмарком Reward-Bench 2!

- Добавлен Reasoning Gym, внешний репозиторий environment gym, перенесенный в Atropos с более чем 100 задачами на рассуждение от @neurosp1ke и его друзей.

- @max_paperclips интегрировал тренировочный лагерь по рассуждению от @intern_lm, добавив более 1000 новых задач на рассуждение для RL.

- @dmayhem93, ведущий инженер Atropos, добавил десятки исправлений ошибок и других улучшений надежности и совместимости, улучшенную поддержку многосредовости и CI/CD.

- Многие среды хакатона Atropos были объединены в /environments/community — перечисление их всех заняло бы большую часть экранного пространства, но вот некоторые основные моменты:

VR-CLI от @JakeABoggs, Philosophy RLAIF, Adaptive LLM Teachers, WebVoyager, дизайн белков от @hallerite, среда маршрутизации моделей от @gabinfay, несколько сред для доказательств в Lean, арена catbot, pokemon showdown, poker, helpful doctors, санскритская поэзия от @khoomeik и многое другое!

- Другие примечательные официально поддерживаемые новые среды включают:

Answer format following environment

Pydantic to JSON environment, перенесенная из работы @MatternJustus

Instruction Following, перенесенная из работы @natolambert и @allen_ai

Letter Counting

- 47 совершенно новых контрибьюторов!

Ознакомьтесь с полным списком изменений здесь: https://t.co/4mI4ZcnZiS