用途：为 NeMo-Gym 添加新的 benchmark 或训练环境，适用于用户要求新增、创建或集成 benchmark、评估、训练环境时。
主要能力：先判定集成类型。原生基准在 Gym resources server 中直接实现 verify() 奖励逻辑，由 agent server 编排模型调用（单轮用 simple_agent，多轮用自定义 agent），如 code_gen、instruction_following、math_with_judge。外部基准在 agent server 层包装第三方库，其 /run 端点负责预处理为库输入、后处理回 BaseVerifyResponse，并需先在原仓库复现公开数字，再在 Gym 集成后复现。
使用方式：用 gym env init --resources-server my_benchmark 生成目录结构；将源数据转为 Gym JSONL（每行含 responses_create_params.input，验证数据放 verifier_metadata），生成 5 条 example.jsonl 提交 git，train/validation 用 gym dataset upload 上传 GitLab 数据集仓库；用 gym dataset collate 校验数据；在 app.py 实现 verify()，奖励为 0.0/1.0，需优雅处理空输出、支持 4k-65k 并发、用 asyncio.Semaphore 控制子进程、剥离 think 块；配置 YAML 并关联 agent 与数据集；用 gym env test 与 pytest 测试，覆盖率需 ≥95%；用 gym env start 与 gym eval run 做端到端冒烟；用 gym eval profile 与脚本做基线，num_repeats 直到同模型方差 <1%；最后 pre-commit run --all-files 并提交 PR，基线成功后设 verified: true。
限制：须用 NeMo Gym 的 OpenAI 客户端而非 LiteLLM/Anthropic；异步 HTTP 用 aiohttp 并经 nemo_gym.server_utils.request()，不用 httpx；配置走 YAML 而非环境变量；代码须在 Linux 运行；/run 必须异步；工具或模型错误须返回错误响应而非崩溃；提交需 DCO 签名与加密签名。详细代码模式见 references/patterns.md。