使用 TRL 和 OpenEnv 训练编码模型绘制水彩画的开源复现指南

作者基于 Hugging Face 平台完整复现了通过强化学习训练大语言模型编写 JavaScript 代码以生成水彩画的过程，并开源了所有训练脚本、环境和数据集。文章详细解析了结合 HPSv3 评分与 Qwen3-VL-30B-A3B-Instruct 视觉判断器的奖励机制设计，对比了三种不同权重配置的实验结果，展示了如何利用人工筛选的图像池引导模型学习特定审美风格。