HarborRL 开源：一套管线统一 Agent 强化学习，内置 200+ 任务与 40+ 框架

datamllab 团队开源 HarborRL，把模型服务、轨迹生成、工具执行、验证器奖励与策略更新统一进一条可复现管线。支持 Qwen、GLM 模型和 GRPO、DAPO 算法，内置 200+ 任务与 40+ agent 框架，含 Claude Code、Codex。项目刚上线，GitHub 约 17 stars，仍处早期。