英伟达研究团队推出开源AI框架Polar，旨在让现有智能体框架（如Codex、Claude Code、Qwen Code）无缝接入广义相对策略优化（GRPO）训练方法。GRPO是一种强化学习优化技术，通过奖励信号调整模型策略，提升多步决策任务表现。Polar不改变原有工具调用、上下文组织和补丁提交方式，显著增强代码智能
