PrimeIntellect-ai/verifiers
Our library for RL environments + evals
解决的问题
提供一个标准化的库，用于创建用于训练和评估大型语言模型（LLMs）的环境，特别针对强化学习工作流设计。
如何工作
该库作为一个框架，用于构建可与 Prime Intellect 生态系统（包括其训练框架 prime-rl 和托管训练平台）集成的环境。它设计为与 CLI 工具配合使用，以实现交互和管理。
适用人群
专注于 LLM 强化学习，需要一种结构化方式来定义和测试模型在特定环境中的性能的开发者和研究人员。
主要亮点
- 与 Environments Hub、prime-rl 和托管训练平台集成。
- 支持创建用于训练和评估的环境。
- 通过专用技能和文档，特别支持编码代理。
相关
- 项目
- 项目
NVIDIA-NeMo/GymNeMo Gym 是 NVIDIA 的 Python 库，用于 AI 代理的可扩展、有状态评估与训练。它提供模块化接口、现成的环境中心（代码执行、工具调用、推理、安全性等）、协调模型、代理与验证服务器的 CLI，以及用于 RL 或微调框架的钩子。专为可重现的大规模基准测试与无缝训练转换而设计，它与更广泛的 NeMo 生态系统集成，并支持追踪、沙盒执行与多 GPU/Slurm 扩展。
- 项目
alibaba/ROLLROLL 是一个开源库，用于大规模强化学习训练大型语言模型。它提供基于 Ray 的分布式执行，支持多种 RL 算法（PPO、GRPO、Reinforce++ 等），可与 Megatron‑Core、vLLM、SGLang 和 LoRA 搭配使用，并提供 RL 微调（RLVR）和多轮代理 RL 的管道。项目包含详尽的文档、硬件无关的支持（NVIDIA、AMD、Ascend）以及内置的可观测性。
- 项目
Farama-Foundation/GymnasiumGymnasium 是一个社区维护的 Python 库，为强化学习环境（经典控制、Box2D、Atari、MuJoCo 等）提供标准化的、版本化的 API。它是 OpenAI Gym 的一个分支，是开发和基准测试 RL 算法的主要平台。
- 项目