如果您的计算机使用智能体能够学习全新的命令行界面并在不编写文件或自由输入 shell 命令的情况下安全操作会怎样？NVIDIA 展示了如何通过合成数据生成和基于可验证奖励的强化学习，让大型推理模型无需先验知识即可安全操作新 CLI 工具。
该工作流将合成数据生成与 GRPO 优化相结合，使训练既高效又安全。模型学习提出有效的 CLI 命令、在执行前请求明确的人工确认、从合成种子数据中学习新的子命令，并在单张 GPU 上高效训练。
最终训练的智能体可启动本地服务器、构建容器、生成 Dockerfile，全部通过可验证的人工参与命令接口完成。这一模式具有良好的泛化能力，相同的流程可扩展支持新的 CLI 工具和环境。
WeChat
Profile