Construyó una habilidad de código Claude que hace entrenamiento en RL @PrimeIntellect principio a fin Le das un nombre de conjunto de datos. Se encarga de todo: función de recompensa, validación, evaluación, empuje del buje, envío de entrenamiento Un prompt - > trabajo en curso. "Crea un entorno para álgebra abstracta cais/mmlu, usa Qwen/Qwen3-30B-Instruct-2507, 1000 pasos y entrega el trabajo de formación." enlace en los comentarios