5月28日，英伟达（NVIDIA）研究团队正式开源了名为 Polar 的强化学习训练框架。该框架的核心创新在于，它能够让 Codex、Claude Code、Qwen Code 等现有主流代码智能体（Agent）在不修改任何原生代码的情况下，无缝接入 GRPO（广义相对策略优化）强化学习训练。