首页
/ TRL v0.17.0发布:强化学习训练库的重大性能升级

TRL v0.17.0发布:强化学习训练库的重大性能升级

2025-06-02 09:48:30作者:庞眉杨Will

项目简介

TRL(Transformer Reinforcement Learning)是Hugging Face推出的一个专注于使用强化学习技术微调大型语言模型的Python库。它提供了多种先进的训练方法,包括监督微调(SFT)、近端策略优化(PPO)、直接偏好优化(DPO)等,帮助研究人员和开发者高效地训练和优化语言模型。

核心升级内容

1. 性能大幅提升的GRPO训练策略

本次v0.17.0版本最显著的改进是针对GRPO(Generalized Reinforcement Policy Optimization)训练策略的性能优化,实现了高达10倍的训练速度提升。这一突破主要来自三个关键技术改进:

数据并行支持:vLLM服务器现在支持数据并行(DP),显著提高了生成速度,特别是对于较小模型。用户可以通过添加--data_parallel_size N参数来启用这一功能。

批量生成优化:GRPO现在将全局批次组合成单个"有效批次",每个有效批次只进行一次生成请求。由于vLLM针对大批量进行了优化,这种方法显著提高了整体训练速度。

V1引擎支持:vLLM提供了两个版本的引擎(V0和V1),其中V1速度明显更快。TRL现在完全支持V1引擎,需要vLLM版本0.8.3或更高。

2. 训练稳定性增强

新版本引入了多项提高训练稳定性的功能:

Dropout控制:新增了禁用dropout的选项,这已被证明可以稳定训练。用户可以通过GRPO配置中的disable_dropout参数来控制。

过长生过滤:新增了过滤过长样本的功能,通过屏蔽截断样本的损失来稳定学习过程。使用mask_truncated_completions=True参数启用。

数据集顺序控制:GRPO训练器现在可以选择是否打乱训练数据集,这对于课程学习等需要保持数据顺序的场景非常有用。

3. 新型损失函数支持

v0.17.0版本引入了多种新型损失函数:

Dr. GRPO损失:基于最新研究提出的改进型损失函数,可通过loss_type="dr_grpo"参数启用。

Liger GRPO损失:显著降低了损失计算的内存峰值,使用use_liger_loss=True参数启用。

其他重要改进

错误修复与优化

  • 修复了ORPO和CPO Trainer在多GPU环境下的挂起问题
  • 改进了GRPO训练器从检查点恢复时的日志记录
  • 修复了SFT中EOS与PAD标记相同时的掩码问题
  • 解决了在线DPO在模型为DataParallel对象时的崩溃问题
  • 修复了使用奖励模型和DeepSpeed ZeRO 3时的兼容性问题

功能增强

  • 丰富了GRPO的日志记录,包括显示唯一提示和按公共前缀分组完成指标
  • 增加了对Gemma 3 VLM模型的支持
  • 改进了进度条显示,特别是当num_mini_batches > 1时
  • 增加了对Ascend NPU的支持

技术影响与建议

这次更新使得TRL在大型语言模型训练方面迈上了一个新台阶。特别是GRPO训练策略的性能提升,使得研究人员和开发者能够以更低的成本、更快的速度进行模型训练和实验。

对于使用者来说,建议:

  1. 升级到vLLM 0.8.3或更高版本以充分利用V1引擎的性能优势
  2. 根据硬件配置合理设置数据并行大小以获得最佳性能
  3. 考虑使用新型损失函数和稳定性增强功能来改善训练效果
  4. 对于课程学习等特殊场景,可以利用新的数据集顺序控制功能

TRL v0.17.0的这些改进不仅提升了性能,也增强了稳定性和灵活性,为大规模语言模型的强化学习训练提供了更加强大的工具支持。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
868
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
272
311
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
373
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3