项目开源5000个可验证的代码与数据科学强化学习环境及评测、训练组件。
推荐理由：五千个带可验证结果的任务把代码和数据科学训练转成可自动奖励的环境，降低小模型开展强化学习与爬坡实验的门槛；环境、评测和训练全开源也利于复现。
阅读原文