本部分展示了一个完整的双智能体训练示例和更高级用法示例。快速入门#教程长度-比率训练一个双智能体训练示例，使用长度-比率奖励，涵盖数据集、奖励函数、配置和训练循环。高级用法#检查点恢复训练恢复中断的运行或从训练检查点扩展已完成的运行，所有部分记录在一个 W&B 运行中。多轮多轮反馈两轮训练，其中外部转换报告每个智能体的响应长度，在智能体修订之前。环境#更丰富的示例可以在 环境 中找到，这些环境应用 CoMLRL 到写作、编码、旅行计划和工具使用。
