KMnO4-zx/agentic-rl-lab

解决的问题

本项目旨在简洁地复现前沿的LLM强化学习（RL）算法，降低研究Agentic-RL时的GPU和代码复杂性门槛。

工作原理

利用PyTRIO基础设施，该仓库实现了一系列实验记录和教程。每个实现都包含对算法起源、解决的问题及其核心变量的清晰解释，并附带数据、奖励、损失函数和训练循环的可运行代码，以及通过SwanLab进行的实验跟踪。

目标受众

希望在没有复杂基础设施的情况下研究和实现前沿LLM RL及Agentic-RL方法的算法工程师和研究人员。

主要特点

• 广泛的算法覆盖：复现多种方法，包括GRPO、OPD、OPSD、GSPO、DAPO、Search-R1、ReTool、ALFWorld、Vision GRPO和AgentOPSD。
• 轻量级设计：专注于使用更简单的代码和更低的硬件要求进行即时复现。
• 多样化的任务支持：包括数学推理（GSM8K）、医疗能力、多轮搜索、代码交错代理和基于视觉的几何问题（GeoQA）的实现。
• 环境集成：与TextWorld集成，用于在模拟家庭环境中训练代理。