grpo

Utilisez PEFT ou le paramétrage complet pour CPT/SFT/DPO/GRPO sur plus de 600 LLM et 300 MLLM (AAAI 2025).

Bibliothèque open source complète de compétences en recherche et ingénierie IA pour tout modèle d'IA. Emballez ces compétences et votre agent Claude/Codex/Gemini deviendra un agent de recherche IA pleinement opérationnel. Maintenu par Orchestra Research.

Agent Reinforcement Trainer : entraînez des agents multi-étapes pour des tâches réelles via GRPO. Offrez une formation en cours d'emploi à vos agents. Apprentissage par renforcement pour Qwen3.6, GPT-OSS, Llama et plus encore.

https://adongwanai.github.io/AgentGuide | Guide de développement d'agents IA | Pratique LangGraph | RAG avancé | Reconversion vers les grands modèles | Entretiens sur les grands modèles | Ingénieur algorithme | Banque de questions d'entretien | Apprentissage par renforcement | Synthèse de données

Résoudre la compréhension visuelle avec des VLM renforcés

OpenClaw-RL : Entraînez n'importe quel agent simplement par la parole.

Implémenter un LLM de raisonnement en PyTorch à partir de zéro, étape par étape.

Un programme open-source pratique pour faire le pont entre les concepts de base de l'apprentissage par renforcement (RL) et l'alignement des LLM, RLVR et les systèmes d'agents avancés.

Skywork-R1V est une série de modèles d'IA multimodaux avancés développée par Skywork AI, spécialisée dans le raisonnement vision-langage.

verl-agent est une extension de veRL conçue pour l'entraînement d'agents LLM/VLM par apprentissage par renforcement. verl-agent est également le code officiel de l'article "Group-in-Group Policy Optimization for LLM Agent Training".

[ECCV 2026] MixGRPO : Libérer l'efficacité du GRPO basé sur les flux avec des ODE-SDE mixtes

La stack d'amélioration continue pour les agents. Nos données d'environnement et nos évaluations alimentent l'amélioration et la surveillance des agents.

Framework d'entraînement RL multimodal pour modèles de diffusion et omni

🌾 OAT : un cadre de recherche convivial pour l'alignement en ligne des LLM, incluant l'apprentissage par renforcement, l'apprentissage des préférences, etc.

[NeurIPS 2025] AutoVLA : un modèle Vision-Langage-Action pour la conduite autonome de bout en bout avec raisonnement adaptatif et réglage fin par renforcement

RLAnything (ICML 2026) & AutoTool (ICML 2026), DemyAgent : RL open source pour les LLM et les scénarios d'agents

Explorez le « moment Eurêka » multimodal sur le modèle 2B

Une liste de documents sélectionnés sur l'apprentissage par renforcement pour la génération de vidéo

Un moteur d'apprentissage par renforcement asynchrone pour le post-entraînement omnimodal à grande échelle

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