Prime Intellect 近日釋出了 verifiers 0.2.0，其中預覽了重寫的核心，該核心以新的 verifiers.v1 名稱空間提供。現代評估通常使用帶工具、壓縮和子代理的編碼代理，因此 v1 重新構建了環境，以大規模執行這些智慧體工作負載。
verifiers 是 Prime Intellect 用於智慧體強化學習（RL）和評估的環境棧。在之前版本中，環境將資料、代理邏輯和基礎設施捆綁在一起。而 v1 則將其拆分為三個可組合的部分：任務集定義工作內容（資料、工具和評分），框架解決任務並生成 rollout（例如 ReAct 迴圈、CLI 代理等），rollout 則在執行時（本地或沙箱）中執行。由於各部分解耦，任何任務集都可以在任何相容的框架下執行。
各元件之間的通訊依賴於 verifiers 管理的攔截伺服器。該伺服器位於代理的執行時和推理伺服器之間，代理請求和響應，同時記錄軌跡、設定取樣引數，並可重寫工具響應，這有助於在訓練期間緩解獎勵駭客攻擊。為了擴充套件，每個伺服器多路複用固定數量的 rollout（預設為 32），然後池根據觀察到的併發性彈性擴充套件。伺服器還擁有一個客戶端來中繼這些請求：評估期間 EvalClient 作為盲 HTTP 代理，訓練期間 TrainClient 封裝渲染器以實現真實的 token 級 RL 訓練。
由於框架使用不同的協議，verifiers 當前支援三種：OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages。方言介面卡將每種格式標準化為規範的 vf.types，因此評分邏輯與被測試的代理無關。
相比 v0，v1 環境模型將資料、邏輯和基礎設施分開；軌跡增長從每輪二次方變為線性；支援非線性 rollout 和子代理；執行時管理由框架自動處理；框架與解耦；訓練資料直接從軌跡消費。
實際使用中，團隊可以執行 Nemotron 3 Ultra 在 Terminal-Bench 2 上配合 Codex 框架。同樣，Harbor 資料集無需重寫獎勵邏輯即可重用。Prime Intellect 僅用一個小類就將 Terminal Bench 2 移植到 v1，內部測試中 verifiers 在相同任務上與 Harbor 效能匹配。Harbor 是第一個完全支援的第三方格式，NeMo Gym 和 OpenEnv 為 alpha 支援。
訓練方面，同一環境可直接接入 prime-rl。在一次長度懲罰消融實驗中，GLM-4.5-Air 在六個 H200 節點上使用 ScaleSWE 訓練兩小時，並在 SWE-Bench-Verified 上評估，展示了穩定的智慧體訓練。
每個執行從定義資料和評分的任務集開始，與框架無關。例如，可以定義一個加法任務集。任何任務集透過 TOML 和 CLI 在選定框架下執行。
核心要點：v1 將環境分為任務集、框架和執行時；攔截伺服器代理請求並記錄軌跡；線性訊息圖軌跡支援長程訓練；完整支援 prime-rl 訓練；Harbor 資料集和常用框架開箱即用。