huggingface/Repo2RLEnv

Repo2RLEnv – コードリポジトリを検証可能なRLタスクに変換する

何であるか – Repo2RLEnvは、既存のソフトウェアアーティファクト（マージ済みプルリクエスト、コミット履歴、CVEパッチ、ターミナル記録など）から自動的にHarbor強化学習環境を生成するPythonライブラリ（およびCLI）です。生成された各タスクには、指示、初期コンテナ、プライベートな検証器（報酬関数）、および参照ソリューションが含まれます。タスクはオープンソースのHarborタスクフォーマットに従っているため、任意のHarbor互換エージェントで訓練または評価が可能です。

なぜ重要か – コード生成エージェント（例：コード補完、バグ修正、コード生成モデル）を訓練するには、自動的に成功を検証できる数千もの現実的なプログラミング課題が必要です。手動でこうした環境を構築するのは遅く、エラーが発生しやすいです。Repo2RLEnvは実際の開発データを収集し、即座に使用可能なRL環境に変換することで、高品質なベンチマークを構築するコストを大幅に削減します。

主な機能

• 23のジェネレータ：リポジトリ修復、実装、パッチ再現、ターミナル状態タスク、純粋な推論/最適化問題をカバー。
• 21の公開データセット（約1,930タスク）がHugging Face Hubにあり、ダウンロード可能。
• Tasksmith – PRから自動的に新しいタスクを構築できるエージェント。LangGraphによるオーケストレーションとリモートワーカー（ModalまたはDaytona）を使用。
• Harbor互換性 – harbor CLIを介して、任意のHarborエージェントでタスクを実行、レビュー、共有可能。
• LLMキー不要のクイックスタート – Python 3.12+とGitHub CLIのみでローカルで実行可能な最もシンプルなパイプライン。

一般的なワークフロー

1. 生成：リポジトリ（例：pallets/clickの最近のPR）からタスクのセットを生成。
2. 検証：組み込みのオラクルでローカルでタスクを検証し、参照ソリューションが1.0のスコアを達成していることを確認。
3. 実行：harbor runを使用してエージェント（例：Claude‑Sonnet）をタスクに対して実行。
4. 公開：1つのコマンドで生成したタスクをHubに自身で公開。

インストール

# コアライブラリとCLI
pip install repo2rlenv

# Harborサポート（タスクの実行/レビューに必要）
pip install 'repo2rlenv[harbor]'

# Tasksmithをリモートワーカー（Modal/Daytona）で使用するフルスタック
pip install 'repo2rlenv[tasksmith,daytona,harbor]'

クイックスタート（約5分で実行、Docker不要、LLM APIキー不要）

pip install 'repo2rlenv[harbor]'
gh auth login

# clickライブラリから3つのPR差分タスクを生成
repo2rlenv generate --repo pallets/click \
  --pipeline pr_diff --pipeline-opt limit=3 --out ./tasks

# 正しいか検証
repo2rlenv validate ./tasks --oracle

# エージェントの訓練/評価（例：Anthropic Claude）
harbor run -p ./tasks -a claude-code \
  -m anthropic/claude-sonnet-4-6 \
  --ae ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY --env docker

Tasksmithの概要 – マージ済みPRとコードエージェントをTasksmithに指定すると、以下の手順で処理します：

1. 変更内容とリポジトリのコンテキストを分析。
2. リモートコンテナでリポジトリを起動。
3. 指示とプライベート検証器を草案作成。
4. すべてをHarborタスクとしてパッケージ化。
5. タスクがすべての制御を通過するまで、レビューと修正のループを繰り返す。

さらに詳しく知りたい方へ

• ドキュメントとガイド – https://huggingface.github.io/Repo2RLEnv/
• データセット – https://huggingface.co/collections/FineEnvs/repo2rlenv-verifiable-rl-environments-6aa82300d7494c050f50508d
• ソースコード – https://github.com/huggingface/Repo2RLEnv
• ライセンス – ライブラリ：Apache‑2.0、バンドルされた研究レシピ：MIT（配布：Apache-2.0 AND MIT）。

誰が使うべきか

• コード生成、バグ修正、ソフトウェア工学エージェントの構築または評価を行う研究者。
• 自社コードベースからカスタムRLベンチマークを作成したいチーム。
• 大規模かつ自動検証可能なプログラミング環境に興味がある人。