当前位置：首页 » AI答疑

Verifiers支持哪些类型的强化学习环境？各适用于什么场景？

2025-08-28

环境类型总览

Verifiers提供了三种主要的环境类型，分别针对不同的交互需求和应用场景：

这是最基础的环境类型，每个提示只需要模型给出单次响应。典型应用包括：问答系统评估、代码补全、文本摘要等只需单轮交互的任务。

这种环境充分利用了LLM的原生工具调用能力。适合构建能够使用外部工具(如计算器、API)的智能代理。比如数学解题、信息查询等需要工具辅助的任务。

提供了构建自定义交互协议的接口。适用于需要复杂多轮对话的场景，如客户服务、教育辅导等。开发者可以重写is_completed和env_response方法来实现特定的交互逻辑。