grpo

Gunakan PEFT atau Full-parameter untuk CPT/SFT/DPO/GRPO 600+ LLM (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) dan 300+ MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) (AAAI 2025).

Pustaka sumber terbuka komprehensif berisi keterampilan riset dan rekayasa AI untuk model AI apa pun. Kemas keterampilan tersebut dan agen claude code/codex/gemini Anda akan menjadi agen riset AI dengan performa penuh. Dikelola oleh Orchestra Research.

Agent Reinforcement Trainer: melatih agen multi-langkah untuk tugas dunia nyata menggunakan GRPO. Berikan pelatihan langsung kepada agen Anda. Reinforcement learning untuk Qwen3.6, GPT-OSS, Llama, dan banyak lagi!

https://adongwanai.github.io/AgentGuide | Panduan Pengembangan AI Agent | Praktik LangGraph | RAG Lanjutan | Beralih ke LLM | Wawancara LLM | Insinyur Algoritma | Bank Soal Wawancara | Pembelajaran Penguatan | Sintesis Data

Menyelesaikan Pemahaman Visual dengan VLM yang Diperkuat

OpenClaw-RL: Latih agen apa pun hanya dengan berbicara

Mengimplementasikan penalaran LLM di PyTorch dari awal, langkah demi langkah.

Kurikulum praktis sumber terbuka yang menjembatani kesenjangan dari konsep dasar RL ke penyelarasan LLM, RLVR, dan sistem agen tingkat lanjut.

Skywork-R1V adalah seri model AI multimodal canggih yang dikembangkan oleh Skywork AI, yang berspesialisasi dalam penalaran visi-bahasa.

verl-agent adalah ekstensi dari veRL, yang dirancang untuk melatih agen LLM/VLM melalui RL. verl-agent juga merupakan kode resmi untuk makalah "Group-in-Group Policy Optimization for LLM Agent Training"

[ECCV 2026] MixGRPO: Membuka Efisiensi GRPO Berbasis Aliran dengan Campuran ODE-SDE

Stack Peningkatan Berkelanjutan untuk Agen. Data lingkungan dan evaluasi kami mendukung peningkatan dan pemantauan agen.

Kerangka kerja pelatihan RL multimodal untuk model diffusion & omni

OAT: Framework yang ramah riset untuk penyelarasan daring LLM, mencakup reinforcement learning, preference learning, dan lainnya.

[NeurIPS 2025] AutoVLA: Model Vision-Language-Action untuk Penggandengan Otonom End-to-End dengan Penalaran Adaptif dan Penyetelan Halus Penguatan

RLAnything (ICML 2026) & AutoTool (ICML 2026), DemyAgent: RL Open-Source untuk LLM dan Skenario Agen

Jelajahi “Aha Moment” Multimodal pada Model 2B

Mesin Reinforcement Learning Asinkron untuk Post-Training Omni-Modal berskala besar.

Daftar kurasi makalah tentang reinforcement learning untuk pembuatan video

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