Prime Intellect 发布 Verifiers v1：用于智能体强化学习训练和评估的可组合任务集、框架和运行时

Prime Intellect 近日发布了 verifiers 0.2.0，其中预览了重写的核心，该核心以新的 verifiers.v1 命名空间提供。现代评估通常使用带工具、压缩和子代理的编码代理，因此 v1 重新构建了环境，以大规模运行这些智能体工作负载。

verifiers 是 Prime Intellect 用于智能体强化学习（RL）和评估的环境栈。在之前版本中，环境将数据、代理逻辑和基础设施捆绑在一起。而 v1 则将其拆分为三个可组合的部分：任务集定义工作内容（数据、工具和评分），框架解决任务并生成 rollout（例如 ReAct 循环、CLI 代理等），rollout 则在运行时（本地或沙箱）中执行。由于各部分解耦，任何任务集都可以在任何兼容的框架下运行。

各组件之间的通信依赖于 verifiers 管理的拦截服务器。该服务器位于代理的运行时和推理服务器之间，代理请求和响应，同时记录轨迹、设置采样参数，并可重写工具响应，这有助于在训练期间缓解奖励黑客攻击。为了扩展，每个服务器多路复用固定数量的 rollout（默认为 32），然后池根据观察到的并发性弹性扩展。服务器还拥有一个客户端来中继这些请求：评估期间 EvalClient 作为盲 HTTP 代理，训练期间 TrainClient 封装渲染器以实现真实的 token 级 RL 训练。

由于框架使用不同的协议，verifiers 当前支持三种：OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages。方言适配器将每种格式标准化为规范的 vf.types，因此评分逻辑与被测试的代理无关。

相比 v0，v1 环境模型将数据、逻辑和基础设施分开；轨迹增长从每轮二次方变为线性；支持非线性 rollout 和子代理；运行时管理由框架自动处理；框架与解耦；训练数据直接从轨迹消费。

实际使用中，团队可以运行 Nemotron 3 Ultra 在 Terminal-Bench 2 上配合 Codex 框架。同样，Harbor 数据集无需重写奖励逻辑即可重用。Prime Intellect 仅用一个小类就将 Terminal Bench 2 移植到 v1，内部测试中 verifiers 在相同任务上与 Harbor 性能匹配。Harbor 是第一个完全支持的第三方格式，NeMo Gym 和 OpenEnv 为 alpha 支持。

训练方面，同一环境可直接接入 prime-rl。在一次长度惩罚消融实验中，GLM-4.5-Air 在六个 H200 节点上使用 ScaleSWE 训练两小时，并在 SWE-Bench-Verified 上评估，展示了稳定的智能体训练。

每个运行从定义数据和评分的任务集开始，与框架无关。例如，可以定义一个加法任务集。任何任务集通过 TOML 和 CLI 在选定框架下运行。

核心要点：v1 将环境分为任务集、框架和运行时；拦截服务器代理请求并记录轨迹；线性消息图轨迹支持长程训练；完整支持 prime-rl 训练；Harbor 数据集和常用框架开箱即用。