Entrenamiento de agentes de codificación con OpenCode en sandboxes remotos de Hugging Face usando TRL y OpenEnv

Este artículo detalla cómo entrenar un agente de codificación utilizando el arnés OpenCode en sandboxes remotos de Hugging Face. Se explica el uso de TRL y OpenEnv para este propósito, permitiendo que cada ejecución se realice en un sandbox aislado y escalable. La metodología se centra en la "propiedad del bucle", donde el arnés ejecuta su propio bucle y TRL registra las acciones para el entrenamiento. Se presenta la arquitectura, la configuración en Hugging Face Jobs y se discuten las consideraciones sobre los costes y los desafíos operacionales.