使用 TRL 与 OpenEnv 训练代码模型绘制水彩画的开源实践

Hugging Face 开发者开源复现了通过强化学习训练代码模型绘制水彩画的完整流程。项目基于 TRL 的 GRPO 算法与 OpenEnv 环境，让 Qwen3.5-35B-A3B 模型通过受限的 p5.brush 库编写 JavaScript 代码，并结合审美模型 HPSv3 与人工标注参考图的双视觉评判器作为奖励函数。