NousResearch/tinker-nemogym

NousResearch 发布了 tinker-nemogym，这是一个强化学习训练器，它将 NVIDIA NeMo-Gym 环境与 Thinking Machines Tinker 托管的 LoRA 训练桥接起来。该工具的核心架构包含一个进程内的 FastAPI 垫片，它模拟 nemo-gym 的 SimpleResponsesAPIModel，并将每个补全请求通过 tinker.SamplingClient 路由。关键特性包括支持零停机权重更新的热交换采样器、采用 GRPO 优势函数、动态代理发现、精度间隙诊断以及完整的 Wandb 集成。项目已针对 Llama-3.1-8B-Instruct 和 Nemotron-Nano-3…