grpo

Use PEFT ou Full-parameter para CPT/SFT/DPO/GRPO em mais de 600 LLMs (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) e mais de 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) (AAAI 2025).

Biblioteca de código aberto abrangente de habilidades de engenharia e pesquisa em IA para qualquer modelo. Empacote as habilidades e seu agente Claude Code/Codex/Gemini se tornará um agente de pesquisa em IA de alto desempenho. Mantido pela Orchestra Research.

Agent Reinforcement Trainer: treine agentes de múltiplas etapas para tarefas do mundo real usando GRPO. Dê aos seus agentes treinamento prático. Aprendizado por reforço para Qwen3.6, GPT-OSS, Llama e muito mais!

https://adongwanai.github.io/AgentGuide | Guia de desenvolvimento de agentes de IA | Prática de LangGraph | RAG avançado | Transição para LLMs | Entrevistas de LLM | Engenheiro de algoritmos | Banco de questões de entrevista | Aprendizado por reforço | Síntese de dados.

Resolver compreensão visual com VLMs reforçados.

OpenClaw-RL: Treine qualquer agente simplesmente conversando

Implemente um LLM de raciocínio em PyTorch do zero, passo a passo

Um currículo prático de código aberto que preenche a lacuna entre conceitos básicos de RL e alinhamento de LLM, RLVR e sistemas de agentes avançados.

Skywork-R1V é uma série avançada de modelos de IA multimodal desenvolvida pela Skywork AI, especializada em raciocínio de visão e linguagem.

verl-agent é uma extensão do veRL, projetada para treinar agentes LLM/VLM via RL. verl-agent é também o código oficial do artigo "Group-in-Group Policy Optimization for LLM Agent Training"

[ECCV 2026] MixGRPO: Desbloqueando a eficiência do GRPO baseado em fluxo com ODE-SDE mistos

A pilha de melhoria contínua para agentes. Nossos dados de ambiente e avaliações impulsionam a melhoria e o monitoramento de agentes.

Framework de treinamento de RL multimodal para modelos de difusão e omni

🌾 OAT: Uma estrutura amigável para pesquisa de alinhamento online de LLMs, incluindo aprendizado por reforço, aprendizado por preferência, etc.

[NeurIPS 2025] AutoVLA: Um modelo de Visão-Linguagem-Ação para direção autônoma ponta a ponta com raciocínio adaptativo e ajuste fino por reforço

RLAnything (ICML 2026) & AutoTool (ICML 2026), DemyAgent: RL Open-Source para LLMs e Cenários de Agentes

Explore o "Momento Aha" Multimodal em um modelo de 2B

Uma lista selecionada de artigos sobre aprendizado por reforço para geração de vídeo

Um Motor de Aprendizado por Reforço Assíncrono para Pós-Treinamento Omni-Modal em Escala

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