NVIDIA lança Polar, framework para treinar agentes de programação

A NVIDIA apresentou o Polar, um novo framework para treinar agentes de linguagem por meio de reinforcement learning. O diferencial é que ele funciona sem modificar os agent harnesses existentes, o que o torna uma solução universal para diferentes ambientes e infraestruturas.

Como o Polar funciona

Uma das principais dificuldades no treinamento de agentes de IA é a incompatibilidade entre o training pipeline e os production harnesses. Muitas vezes é preciso escolher: ou alterar o harness para atender aos requisitos do treinamento, ou perder o acesso aos melhores métodos de RL. O Polar resolve esse problema de forma elegante.

O framework atua como um proxy de API entre o harness e o inference server. Ele captura todas as interações no nível de token e reconstrói a partir delas trajetórias totalmente prontas para treinamento com GRPO. Isso permite usar métodos de treinamento avançados diretamente em ambientes existentes, como Codex, Claude Code e Pi, sem alterar uma única linha do código deles.

Resultados no SWE-Bench Verified

Os pesquisadores da NVIDIA testaram o Polar com o Qwen3.5-4B, um modelo compacto de 4 bilhões de parâmetros. É um modelo propositalmente pequeno, para mostrar que a melhoria funciona não só em LLMs gigantes, mas também em soluções eficientes em recursos. Os resultados impressionam:

• Sob o harness do Codex: +22,6 pontos no SWE-Bench Verified pass@1
• Sob o harness do Claude Code: +4,8 pontos
• Sob o harness do Pi: +6,2 pontos

Para contextualizar: o SWE-Bench Verified é um benchmark que mede o quão bem um agente resolve tarefas reais de programação extraídas de pull requests abertos. Não é um teste sintético, mas código de verdade. Um salto de 22,6 pontos sob o harness do Codex é uma melhoria séria, especialmente para um modelo compacto.

Integração com o ecossistema da NVIDIA

O framework está registrado como um ambiente do NeMo Gym, o que permite usá-lo no ecossistema padrão da NVIDIA. É um passo importante, porque faz do Polar parte de uma plataforma maior, e não uma ferramenta descartável.

O código está publicado no repositório ProRL Agent Server sob licença aberta. Isso significa que qualquer desenvolvedor pode pegar o Polar, instalá-lo e treinar seu próprio modelo com seus próprios dados, usando seu próprio hardware.

"Isso mostra que o treinamento eficaz de agentes não exige alterar a

production infrastructure."

O que isso significa

Para desenvolvedores e empresas, isso abre um caminho prático para melhorar rapidamente seus agentes de IA sem reconstruir toda a infraestrutura. A NVIDIA demonstra que até modelos pequenos podem melhorar bastante com o método de treinamento certo. Isso é crítico para o deployment em dispositivos edge e para a economia geral de recursos computacionais.