NVIDIA выпустила Polar – открытую платформу для работы с искусственным интеллектом, которая интегрирует алгоритм Generalized Relative Policy Optimization (GRPO) в существующие фреймворки агентов на основе кода, такие как Codex, не изменяя их основных функций. Это улучшение значительно повышает эффективность работы агентов при выполнении сложных многоступенчатых задач, таких как использование инструментов для обработки кода и отправка патчей. В ходе тестирования Polar позволила увеличить показатель pass@1 для фреймворка Codex с 3,8% до 26,4%, сократить время обучения примерно в 5,39 раза и повысить эффективность использования GPU.