在强化学习领域迎来重大突破之际，一项名为Environments Hub的开源项目横空出世，为AI训练开辟了新的道路。这一创新的核心思想，正是强化学习中不可或缺的元素——环境。
Environments Hub由专注于去中心化AI开发的Prime Intellect公司推出，旨在解决RL环境长期以来的割裂、封闭及难以共享问题。环境，作为定义世界、规则及“状态—动作—奖励”反馈闭环的关键，是AI学习不可或缺的场景。从游戏到编程，再到聊天对话，这些环境为AI提供了学习的土壤。没有它们，强化学习只是一套无的放矢的算法。
回顾AI发展历程，预训练时代以互联网数据为核心，LLM通过大量多样且高质量的数据学习。进入监督微调阶段，对话数据成为重点，类似Stack Overflow、Quora平台的模式被用于为LLM创建答案。如今，强化学习时代来临，环境成为了新的重心。然而，如何创建丰富多样的环境，成为了亟待解决的问题。
Environments Hub的特点在于，一旦框架构建完成，社区和行业便能在不同领域并行开发环境。这不仅降低了环境创建的门槛，更为开源AGI的发展做出了贡献。智能体交互的缺失，正是环境所能填补的空白。RL环境，作为智能体学习的试验场，是AI进步不可或缺的一环。
然而，当前多数强化学习环境由初创公司构建并出售给少数大型实验室，导致高质量学习环境封闭且昂贵。为了扭转这一局势，需要有一个强大的开源学习环境和训练工具生态系统崛起。Environments Hub应运而生，承载着这一使命，旨在让下一波初创公司和AI的发展能够构建于开放的基础设施和开源模型之上。
Environments Hub具备多项功能亮点，包括通过Hub或CLI拉取、推送并管理环境，生成跨模型的评测报告，与verifiers框架深度集成，以及提供用于代码执行的原生沙箱支持。用户可以创建、管理和共享用于强化学习及评估的环境，为不同模型创建和浏览环境评估报告，并使用可扩展训练器prime-rl原生支持这些环境。
随着众包环境的引入，Environments Hub正将基于Agent的强化学习训练扩展到规模最大的开源模型，并取得显著进展。这一创新不仅降低了大规模训练和部署AI所需的成本，更为所有AI构建者提供了廉价、无缝的计算、推理和训练资源，以及全套的强化学习基础设施。
