标签：GRPO
技术标签，共 16 个项目。
一站式大模型训练框架，支持 600+ 纯文本大模型和 300+ 多模态大模型的 CPT、SFT、DPO、GRPO 等训练，可用 LoRA 等 PEFT 方式或全参数微调。
把 AI 研究与工程技能打包成可复用模块，接入 Claude Code、Codex、Gemini 等编码代理后即可获得完整科研能力。
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。
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。
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。
用强化学习（GRPO）训练视觉语言模型做视觉理解，把 DeepSeek-R1 那套推理强化思路搬到多模态场景，适合研究 VLM 推理能力。
Skywork-R1V 是昆仑万维开源的多模态视觉语言推理模型系列，基于强化学习训练，擅长图像理解与复杂推理任务。
面向扩散模型和全模态模型的多模态强化学习训练框架，支持 GRPO、流匹配和 vLLM 推理，用来做图像生成与多模态模型的 RLHF 训练。
Halo 是 White Circle 开源的大模型与多模态模型训练框架，支持分布式训练、LoRA 微调、MoE 和异步强化学习，方便搭建和扩展训练流程。
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。
轻量高效的全模态强化微调框架，支持 GRPO、DAPO 等算法，用奖励模型驱动 LLM 和多模态 VLM 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。
把家里已有的多台电脑组网成 AI 内网，统一跑大模型推理和微调训练，兼容 OpenAI 接口，适合本地部署和 homelab 场景。
SEAgent 是一个能自主从经验中学习、持续自我进化的计算机操作智能体，基于 GRPO 强化学习在 OSWorld 等 GUI 环境中训练，让 Agent 越用越会操作电脑。
一门小课程，教你搭建强化学习环境来评估和训练语言模型，涵盖 GRPO、RLVR 和井字棋等实例。
用强化学习（GRPO）训练视觉语言模型生成更细粒度、更密集的图像描述，解决普通 caption 模型描述过于笼统的问题。