NVIDIA lanza Polar, un framework para entrenar agentes de programación

NVIDIA ha presentado Polar, un nuevo framework para entrenar agentes de lenguaje mediante reinforcement learning. Su particularidad es que funciona sin modificar los agent harnesses existentes, lo que lo convierte en una solución universal para distintos entornos e infraestructuras.

Cómo funciona Polar

Una de las principales dificultades al entrenar agentes de IA es la incompatibilidad entre el training pipeline y los production harnesses. A menudo hay que elegir: o se cambia el harness para cumplir los requisitos del entrenamiento, o se pierde el acceso a los mejores métodos de RL. Polar resuelve el problema con elegancia.

El framework actúa como proxy de API entre el harness y el inference server. Captura todas las interacciones a nivel de token y reconstruye a partir de ellas trayectorias totalmente listas para entrenar con GRPO. Así se pueden usar métodos de entrenamiento avanzados directamente con entornos existentes como Codex, Claude Code y Pi, sin cambiar ni una sola línea de su código.

Resultados en SWE-Bench Verified

Los investigadores de NVIDIA probaron Polar con Qwen3.5-4B, un modelo compacto de 4000 millones de parámetros. Es un modelo deliberadamente pequeño, para mostrar que la mejora funciona no solo con LLM gigantes, sino también con soluciones eficientes en recursos. Los resultados impresionan:

• Con el harness de Codex: +22,6 puntos en SWE-Bench Verified pass@1
• Con el harness de Claude Code: +4,8 puntos
• Con el harness de Pi: +6,2 puntos

Para contextualizar: SWE-Bench Verified es un benchmark que mide qué tan bien resuelve un agente tareas reales de programación extraídas de pull requests abiertos. No es una prueba sintética, sino código real. Un salto de 22,6 puntos con el harness de Codex es una mejora seria, sobre todo para un modelo compacto.

Integración con el ecosistema de NVIDIA

El framework está registrado como entorno de NeMo Gym, lo que permite usarlo dentro del ecosistema estándar de NVIDIA. Es un paso importante, porque convierte a Polar en parte de una plataforma mayor y no en una herramienta de un solo uso.

El código está publicado en el repositorio ProRL Agent Server con licencia abierta. Esto significa que cualquier desarrollador puede tomar Polar, instalarlo y entrenar su propio modelo con sus propios datos, usando su propio hardware.

«Esto demuestra que el entrenamiento eficaz de agentes no requiere

cambiar la production infrastructure».

Qué significa

Para desarrolladores y empresas, esto abre un camino práctico para mejorar rápidamente sus agentes de IA sin rehacer toda la infraestructura. NVIDIA demuestra que incluso los modelos pequeños pueden mejorar mucho con el método de entrenamiento adecuado. Es crucial para el despliegue en dispositivos edge y para el ahorro general de recursos de cómputo.