接入由经过严格审核的合作伙伴组成的网络，构建定制 RL 环境，加速你的后训练工作。
作者
Charles O'NeillMax KirkbyMudith JayasekaraArdin Lo发布于
2026年10月23日
分享
发布于
2026年10月23日
今天，我们隆重推出 Baseten 环境网络，这是一批经过严格审核的 RL 环境公司，将为我们的客户构建定制 RL 环境。
高质量环境对于成功的后训练至关重要，我们花了大量时间围绕 RL 环境的创建建立了一套科学方法。我们已在每一次后训练合作中践行这一方法（Harvey、Lovable、Gamma 以及许多其他客户）。但这是一项人力密集型工作：它需要用心、需要聪明的研究人员、需要良好的品味，还需要花大量时间审视数据。要扩大规模，我们需要更多具备这种专业能力的团队。
Baseten 环境网络将这些团队带给我们的客户，基于每位客户独有的数据和领域交付高质量的 RL 环境。我们相信，与 Baseten 的训练和推理能力相结合，这一网络将帮助更多客户借助其定制智能更快实现价值。
Baseten 环境网络
我们与大量 RL 环境公司进行了交流，对它们进行了审核，并进行了严格筛选。我们很自豪能与市场上一些最优秀的 RL 环境公司合作，并且非常放心地将我们的客户推荐给它们，作为其后期训练旅程中的额外合作伙伴。
正在加载嵌入内容…
与网络合作的运作方式
Baseten 会将客户推荐给值得信赖的合作伙伴，这些合作伙伴可以作为我们应用研究团队的延伸：
我们将围绕客户的需求来界定每一次合作： 一旦我们确定某个项目可能合适，就会进行更深入的界定、探索和校准。我们不会仅仅因为某个法律客户以前做过法律任务，就自动将其推荐给合作伙伴。核心问题是：我们是否信任他们的流程，以及我们能否将该流程映射到这位客户的需求上？领域经验在某些情况下可能很重要，但它并不是主要的推荐标准。
合作伙伴将直接与客户合作。 他们将与客户互动，获取客户的真实数据，并构建客户所需的特定环境。根据合作的具体情况，这还可能包括创建任务、审核任务、创建评分标准，以及提供在这些环境中生成数据所需的资源。
Baseten 仍然负责训练和推理。 一旦环境准备就绪，我们的训练团队将着手训练模型，并将其部署到 Baseten 世界级的生产 推理.
永久拥有你的 RL 环境
为特定客户构建环境，而非为前沿实验室构建环境，也有其自身的好处。例如，客户通常会自带数据来为环境提供种子数据，而不必依赖合成生成。此外，客户只关心一个环境，因此构建一个可扩展的系统，将数据和反馈转化为环境，对每个客户来说都是一项值得的投资。他们可以永久使用这个系统，前期成本是值得的；相比之下，前沿实验室通常每个任务只需要几千个示例，因此不会为每个环境投资可扩展的系统。
开放环境即将推出
我们花了大量时间开发用于审核 RL 环境质量的系统，包括利用我们的训练专业知识来评估其质量。很快，我们将开源一组前沿质量的环境，其中许多是与网络中的合作伙伴共同开发的，同时还会公开我们如何审核这些环境以及如何在其上进行训练。我们计划将这些环境用于许多用途，例如研究、标准化评估，以及作为一个真实世界的智能指数，代表当前公开基准无法获得的信息。
如果您有兴趣与应用研究团队及这些环境公司建立联系，请在此处联系我们： https://www.baseten.co/talk-to-us/research-support/