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 21:22:36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
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
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
980
395
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
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
931
555
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
518
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
1.11 K
0