“grpo” 相关开源项目

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。

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。

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。

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。