基于 Ray 的高性能 RLHF 训练框架，支持 PPO、DAPO、REINFORCE++ 等算法与 vLLM 推理加速，可扩展地完成大模型和视觉语言模型的对齐后训练。
面向大语言模型的强化学习训练框架，支持分布式训练与智能体工作流，让开发者能低成本训练和调优推理模型。
面向 LLM 与 Agent 场景的开源强化学习训练库，集成 GRPO、PPO、熵方法等算法，支持编码、GUI、多智能体等任务。
面向强化学习实验的 GPU 调度与训练编排系统，让多个 RL 实验共享 GPU 资源、减少排队等待，支持 LoRA 微调与 LLM 训练。
在单张消费级显卡上跑 PPO、GRPO 和同策略蒸馏的轻量 RL 训练框架，让普通玩家也能做 LLM 对齐后训练。
一份面向 AI Agent 开发与大模型求职的系统指南，覆盖上下文工程、高级 RAG、MCP、Agentic RL 和 LangGraph 实战，并附 1.2 万+ 面试题。
一站式搞定 Qwen、Gemma 等开源大模型和多模态模型的微调（SFT/RL）、评测与部署，零代码也能上手。
用 GRPO 强化学习给多步 Agent 做在线训练，让 Qwen、Llama 等模型在真实任务里边干边学，提升实际表现。
…m/pytorch/torchtitan/pull/5317)) - Multi-turn and agentic workloads: Optional session KV retention reuses cached prefixes across turns. Adds Verifiers and Terminal-Bench
… supervised fine-tuning ( train sft ), multi-turn agentic RL ( train agentic ), and disaggregated async RL for both AR ( train async ar ) and diffusion ( train async diff
…V cache to avoid OOM on non-leader ranks ( 7851). Agentic RL & multimodal - Multimodal Continuous Token ( 6804): VLContinuousTokenBuilder extends the CT path to SingleTur
…s This release makes Oumi an end-to-end stack for agentic, tool-using models : you can now train on tool-calling data, execute tool calls against real environments (datab
… you. [Read the blog →](https://supabase.com/blog/agentic-coding-on-supabase-with-opencode) TanStack DB syncs with Supabase <img width="1200" height="630" alt="tanstack"
rLLM v0.2: RL Training over General Agentic Programs ([Blog Post](https://rllm-project.com/post.html?post=rllm v0.2.md)) We are excited to release rLLM v0.2, a major upgr