NVIDIA a rendu open-source Polar, un cadre d'entraînement basé sur l'apprentissage renforcé qui intègre des agents de code existants tels que Codex, Claude Code et Qwen Code dans le processus d'entraînement GRPO sans modifier le code original. Ce framework considère les limites des API des modèles comme des points d'entrée pour l'entraînement, ce qui permet d'intercepter les données et de reconstruire leur parcours. Dans les tests SWE-Bench, le taux de réussite de Codex est passé de 3,8 % à 26,4 %. Le temps nécessaire à l'entraînement a été réduit de 5,39 fois, tandis que l'utilisation de la carte graphique GPU est passée de 20,4 % à 87,7 %.