A NVIDIA tornou open-source o Polar, uma estrutura de treinamento para aprendizado reforçado que integra agentes de código existentes como Codex, Claude Code e Qwen Code no processo de treinamento GRPO sem modificar o código original. Essa tecnologia trata as fronteiras das APIs dos modelos como pontos de entrada para o treinamento, permitindo a intercepção do comportamento dos modelos e a reconstrução de seus caminhos de execução. Nos testes SWE-Bench, o desempenho do Codex aumentou significativamente, com uma melhoria de 3,8% para 26,4%. O tempo total necessário para o treinamento foi reduzido em 5,39 vezes, e a utilização da GPU aumentou de 20,4% para 87,7%.