实测资料分享
让代码画出水彩：一次把审美放进训练的公开实验
本篇整理他人的测试资料，过程与结论来自原始来源；不代表发布者亲自完成测试。
原资料的结论
作者展示多个训练过程和对应水彩图像，并公开每幅绘画的生成代码；本文展示的是原文实验记录，平台没有复跑训练。
原资料怎么测的
来源作者使用可执行绘画环境，让编程模型输出绘画代码，并以不同奖励组合开展训练对照。原文提供脚本、模型和参考池。
补充体验
【作品怎样产生】
模型输出的是能执行的 JavaScript 绘画程序，通过 p5.brush 画出水彩效果。每一笔背后都有代码，因此读者可以查看、修改并再次运行。
【开放了哪些过程】
Sergio Paniego 在 Surya Narreddi 的创作思路上尝试开放复现，使用 TRL 与 OpenEnv，发布参考图集、环境、训练脚本和模型。作者明确区分原始艺术构想与自己的工程复现。
【值得继续追问】
奖励函数如何衡量“好看”，会直接影响模型学到什么。成品有吸引力，还需要对照训练曲线、失败样本与评价偏好，才能判断方法是否真的改进。
模型输出的是能执行的 JavaScript 绘画程序，通过 p5.brush 画出水彩效果。每一笔背后都有代码，因此读者可以查看、修改并再次运行。
【开放了哪些过程】
Sergio Paniego 在 Surya Narreddi 的创作思路上尝试开放复现，使用 TRL 与 OpenEnv，发布参考图集、环境、训练脚本和模型。作者明确区分原始艺术构想与自己的工程复现。
【值得继续追问】
奖励函数如何衡量“好看”，会直接影响模型学到什么。成品有吸引力，还需要对照训练曲线、失败样本与评价偏好，才能判断方法是否真的改进。
限制与未验证的情况
审美评分包含人的偏好及模型评审，不等同于客观正确率。复现需要计算资源，不能把展示图当作所有输入的稳定效果。
AI 辅助整理，由发布者核对后分享；请核对事实与不同观点，不代表各方已达成共识。
让想法继续往前
有了具体目标，再按需要发起合作。
讨论
交流提示换成你的工具和输入，结果是否相同？欢迎补充复现结果和不同情况。
还没有回复，欢迎展开讨论。