Hugging Face在Hub上线RL Environments筛选器，用数据集仓库托管强化学习环境
Hugging Face称，RL环境现可作为带rl-environment标签的数据集仓库出现在Hub的新筛选器中，无需新建仓库类型、注册表或注册；Harbor、Verifiers、OpenEnv、NeMo Gym四个框架已注册为数据集库标签。
Hugging Face在博客中宣布，Hub新增RL Environments筛选器，地址为huggingface.co/datasets?other=rl-environment，凡是带rl-environment标签的数据集都会出现在该筛选器中，不区分框架。
Hugging Face称，一个RL环境在Hub上就是一个数据集仓库；环境给智能体任务、用观测回应对其动作并给结果打分，奖励可用于评估或作为训练学习信号。该版本聚焦任务的集合（tasksets），运行时代码和验证器代码可由仓库或框架提供。
该版本没有新增仓库类型、注册表或注册流程。集成方式是在数据集卡YAML头部保留rl-environment标签，并列出能加载其文件的每个框架标签；一个数据集可携带多个框架标签。
Harbor、Verifiers、OpenEnv、NeMo Gym四个环境框架被注册为数据集库标签。每个框架标签会在数据集页面显示该框架的图标，并在“Use this dataset”中生成对应命令片段。Hugging Face表示，添加标签不会转换仓库文件，所列框架必须支持这些文件。
已注册的框架标签与命令片段
Hugging Face列出了四个已注册为数据集库的环境框架标签：harbor对应Harbor，verifiers对应Verifiers，openenv对应OpenEnv，nemo-gym对应NeMo Gym。
博客称，标签描述兼容性、生成加载命令；添加标签不会启动任务或沙箱。任务数据存放在Hub，运行配置和验证器代码可放在仓库，也可由框架提供；框架负责在本地或受支持的云后端执行。
Hugging Face Jobs可运行云工作负载，Hugging Face Sandboxes构建在Jobs之上，提供交互式命令执行。
- harbor — Harbor，已注册为数据集库标签
- verifiers — Verifiers，已注册为数据集库标签
- openenv — OpenEnv，已注册为数据集库标签
- nemo-gym — NeMo Gym，已注册为数据集库标签
三个框架的运行示例与限制
Hugging Face博客给出Harbor、Verifiers、OpenEnv三个框架的命令示例，用于运行Terminal-Bench 2.1的同一组任务目录。Harbor示例使用oracle智能体运行参考解，由验证器打分，不调用模型；Verifiers示例在同一任务上运行模型；OpenEnv示例运行智能体并输出验证器奖励与轨迹。
OpenEnv示例中，默认连接使用临时Gradio隧道，让沙箱智能体访问OpenEnv的模型代理；读取结果时若reward为None，表示未产生验证器奖励，应先检查error再判断模型是否失败。
NeMo Gym支持评估和RL训练，环境收集轨迹并计算奖励，训练框架更新模型权重。Structured Outputs数据集的验证器奖励对JSON schema的遵循，Hugging Face称它不检查生成内容是否事实正确。
Verifiers示例中，repo使用完整Hugging Face Git URL，dataset是registry.json中的名称与版本，二者不能互相替代。
已申请的标签与后续计划
Hugging Face称已向一些现有环境提交PR打标签，维护者合并后这些环境会出现在筛选器中。Harbor方面包括BeyondSWE、Terminal-Lego、Harbor-Mix、NatureBench；Verifiers方面包括Reverse-Text-RL、Multi-SWE-RL-Verified（4,703 行中的 2,232 行通过gold-patch验证）、R2E-Gym-Subset-Verified、Scale-SWE-Verified（20,181 个Python任务中的 17,202 个）；NeMo Gym方面包括Workplace Assistant（5 个数据库、26 个工具、690 个业务任务）、Structured Outputs、CFBench、SysBench。
后续计划包括：第一版每个框架生成一个默认片段，下一步支持按配置生成片段，之后考虑对严格目录结构的框架做结构性检测，以及自动框架标签。Hugging Face称OpenEnv已在上传时自动打标签，并建议Harbor、Verifiers、NeMo Gym等框架在推送路径中加入标签。