AgileRL/AgileRL

Streamlining reinforcement learning with RLOps. State-of-the-art RL algorithms and tools, with 10x faster training through evolutionary hyperparameter optimization.

What it solves

AgileRL 旨在透過引入 RLOps，簡化深度強化學習（RL）的開發，減少模型訓練與超參數優化（HPO）所需的時間與精力。它特別針對傳統 HPO 的低效率問題——往往需要上百次獨立訓練才能找到最佳設定。

How it works

此函式庫使用演化式 HPO 技術，自動收斂至最佳超參數。它不會執行多個獨立實驗，而是訓練一群共享經驗的代理人，並隨時間演化與突變其超參數。支援廣泛的 RL 範式，包括 on‑policy、off‑policy、offline、多代理人與情境式多臂賭徒問題，並提供 LocalTrainer 供快速設定，或使用名為 Arena 的受管雲平台進行分散式訓練。

Who it’s for

適用於從事強化學習的開發者與研究者，期望加快訓練週期並自動化超參數調整，免除手動的試錯過程。

Highlights

Evolutionary HPO：聲稱比最先進方法快 10 倍的超參數優化，因為不需要多次訓練。
Broad Algorithm Support：支援 PPO、DQN、Rainbow DQN、DDPG、TD3、CQL、ILQL、MADDPG、MATD3 與 IPPO。
LLM Fine-tuning：支援可演化的 LLM 強化微調，以應對長時程任務。
RLOps Platform：與 Arena 整合，提供受管雲基礎設施，用於驗證自訂環境與部署代理人。
Flexible Training：同時提供簡易的高階 API 與自訂訓練管線，讓使用者能完全掌控網路與突變策略。