grpo

Verwenden Sie PEFT oder Vollparameter für CPT/SFT/DPO/GRPO von über 600 LLMs und über 300 MLLMs (AAAI 2025).

Umfangreiche Open-Source-Bibliothek für KI-Forschungs- und Ingenieurskompetenzen für jedes KI-Modell. Verpacken Sie die Fähigkeiten und Ihr claude code/codex/gemini Agent wird zu einem KI-Forschungsagenten mit voller Leistung. Gewartet von Orchestra Research.

Agent Reinforcement Trainer: Trainieren Sie mehrstufige Agenten für reale Aufgaben mit GRPO. Geben Sie Ihren Agenten ein On-the-Job-Training. Reinforcement Learning für Qwen3.6, GPT-OSS, Llama und mehr!

https://adongwanai.github.io/AgentGuide | AI-Agent-Entwicklungsleitfaden | LangGraph-Praxis | Fortgeschrittene RAG | Einstieg in Large Language Models | LLM-Vorstellungsgespräche | Algorithmus-Ingenieur | Fragenkatalog für Vorstellungsgespräche | Reinforcement Learning | Datensynthese

Visuelles Verstehen mit RL-basierten VLMs lösen

OpenClaw-RL: Trainieren Sie jeden Agenten einfach durch Sprache

Implementierung eines begründenden LLM in PyTorch von Grund auf, Schritt für Schritt

🚀 Ein Open-Source-Praxislehrplan, der die Lücke von grundlegenden RL-Konzepten bis hin zu LLM-Alignment, RLVR und fortgeschrittenen Agentensystemen schließt.

Skywork-R1V ist eine von Skywork AI entwickelte, fortschrittliche multimodale KI-Modellserie, die auf Vision-Language-Reasoning spezialisiert ist.

verl-agent ist eine Erweiterung von veRL, entwickelt für das Training von LLM/VLM-Agenten mittels RL. verl-agent ist zudem der offizielle Code zum Paper „Group-in-Group Policy Optimization for LLM Agent Training“.

[ECCV 2026] MixGRPO: Erschließung der Flow-basierten GRPO-Effizienz mit Mixed ODE-SDE

Der Continuous-Improvement-Stack für Agenten. Unsere Umgebungsdaten und Evaluierungen treiben die Verbesserung und Überwachung von Agenten voran.

Multimodales RL-Trainingsframework für Diffusions- und Omni-Modelle

OAT: Ein forschungsfreundliches Framework für das Online-Alignment von LLMs, einschließlich Reinforcement Learning, Präferenzlernen usw.

[NeurIPS 2025] AutoVLA: Ein Vision-Language-Action-Modell für autonomes End-to-End-Fahren mit adaptivem Reasoning und Reinforcement Fine-Tuning

RLAnything (ICML 2026) & AutoTool (ICML 2026), DemyAgent: Open-Source-RL für LLMs und Agentenszenarien

Erkunden Sie den multimodalen „Aha-Moment“ am 2B-Modell.

Eine asynchrone Reinforcement-Learning-Engine für skaliertes Omni-Modal Post-Training.

Eine kuratierte Liste von Forschungsarbeiten zu Reinforcement Learning für die Videogenerierung

Official implementation of GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization