Hugging Face 官方博客 · AIHOT 精选 · 原文 2026-09-03
让代码画出水彩，再用偏好反馈继续训练
模型先写 JavaScript，画面由 p5.brush 渲染，再把执行检查与人工偏好送回训练。作者公开了代码、环境和模型，让读者沿真实绘画实验理解反馈怎样起作用。
让代码绘画接入训练反馈
这项实验让语言模型编写 JavaScript，用 p5.brush 把代码渲染为水彩画，再把绘画环境接入 OpenEnv。模型输出经过执行检查和图像偏好评分，反馈用于 TRL 中的训练更新。
偏好从哪里来
作者筛选并手工评分了 178 张生成图，形成比较时使用的参考池。这些评分表达参考样本中的偏好，读者可以沿着代码、渲染和反馈的循环理解实验怎样运行。
Hugging Face 的 Sergio Paniego 在 9 月 3 日文章中介绍实验，注明原始想法来自 Surya Narreddi；代码、环境、数据和训练后模型均已公开。图中的花朵说明流程，不是该实验的实际输出或效果对比。
重要补充与更正
以下日期是本站修订时间。
- 更正 ·
撤回尚未落到具体场景的价值解读，保留原始教程供进一步核对。
来源与补充
sourcesEN
来源与补充
- 阅读原文Hugging Face 官方博客 · AIHOT 精选
原始摘要与适用说明
双源同题仅证明多源收录与原文可达；标题与结论均为作者自述或收录源转述，不是 BitShovel 的独立评测，也不能证明质量或采用；围绕它的讨论只是讨论快照式的注意力，不能证明事实成立；国内访问部分原文域名可能不稳定。
来源与依据 · 2 条链接
逐条说明链接的用途与支持范围。链接数量不代表多方独立验证，“直接支持”也仅限下方写明的内容。
本页保留原文与简要整理，可通过下方链接继续阅读发布者的完整说明。
资料时间记录
- · 发现这篇资料，来源：Hugging Face 官方博客、AIHOT 精选。
收录记录
首次发现：
收录日期与原文发布日期分别记录。
编辑记录
来源已核对
· 北京时间
这条记录尚未形成针对具体使用场景的解读。保留原始材料与历史收录，改列为原文线索，暂不进入三条焦点；来源类别与事件日期保持。