强化学习训练框架与环境：2026 精选

开源桌面应用与 Web 界面，可在本地运行、微调和导出大语言模型与扩散模型，并提供代码版训练库。

统一的大模型微调框架，支持 100 多种 LLM 与 VLM，提供零代码命令行和 Web 界面。

微软开源的面向 AI 的量化投资平台，覆盖数据处理、模型训练、回测与订单执行。

Ray 是一个统一的框架，可将 Python 和 AI 应用从笔记本扩展到集群运行。

verl 是一个用于大语言模型后训练的开源强化学习训练库，基于 HybridFlow 论文实现。

让 Unity 游戏和仿真环境成为训练智能体的平台，支持强化学习与模仿学习。

Hugging Face 推出的库，用 SFT、GRPO、DPO、KTO 等方法对 Transformer 语言模型做后训练。

微软推出的轻量级智能体强化学习框架，可在保留真实工具与运行环境的前提下训练 AI 智能体。

一个用于将深度强化学习应用于自动化股票交易与投资组合任务的开源 Python 框架。

面向 600 多个大语言模型和 400 多个多模态模型的微调、训练、推理与部署框架。

通用物理引擎，用于快速、精确地模拟带接触的关节式结构，常用于机器人与机器学习研究。

基于 PyTorch 的强化学习算法实现库，提供可靠、接口统一的基准版本。

用于单智能体强化学习的标准 Python API，并附带一组参考环境，是 OpenAI Gym 的维护分支。

一个免费开源的大语言模型微调与后训练框架，通过 YAML 文件进行配置。

用 PyTorch 从零实现的 Transformer 大模型训练教程与代码库，涵盖预训练、SFT、奖励模型、DPO/PPO/GRPO 与文本生成。

基于 GRPO 的 Python 强化学习框架，让多步骤 LLM 智能体从自身经验中学习。

基于 Ray 和 vLLM 的强化学习框架，用于大语言模型与视觉语言模型的人类反馈强化学习训练。

一个用 Rust 编写的开源项目，为小型双足机器鸭提供运动控制、手柄、OTA 更新和摄像头推流等软件。

Terminal-Bench 团队推出的框架，用于在容器环境中评估和优化智能体与语言模型。

开源的强化学习框架，用于训练语言智能体，可接入任意 agent harness、沙箱和训练后端。

面向大模型推理与智能体训练的大规模异步强化学习系统，支持通过替换 base_url 对黑盒智能体做在线 RL 训练。

百余张原创架构图，系统图解大模型与强化学习核心算法。

基于 JAX 的开源大模型库与参考实现，用于在 TPU 和 GPU 上预训练与后训练大语言模型。

一本从基础到应用算法的强化学习入门小书，仓库附带 PyTorch 算法实现。

一个开源的具身智能体框架，用大模型规划器、VLA 操作模型和记忆机制驱动机器人在仿真器和真实机器人上完成任务。

一个研究框架，利用世界模型预测与交互反馈实现递归自我改进，覆盖代码修复、GUI 交互和实验室规划等领域。

面向掼蛋（四人对战组队出牌游戏）的开源强化学习智能体，附带可在浏览器中游玩的牌桌服务。

ASPIRE 是一个让编码智能体迭代优化可复用机器人技能的框架，用于仿真与真机操作任务，而非训练模型权重。

基于 Go 的斗地主游戏，支持联网对战、断线重连和智能机器人，发牌完全随机。

一个基于 Python 的无人机集群通信网络仿真平台，涵盖路由、MAC、物理层、移动与能耗模型。

将任意 Agent Skill 转换为 Harbor 格式、可用于强化学习的终端任务。