RL-Factory 的安装和配置教程

项目基础介绍

RL-Factory 是一个易于使用且高效的强化学习（RL）后训练框架，旨在帮助用户快速训练智能体（Agent）模型。该框架的核心是实现了环境与 RL 后训练的解耦，使得用户只需通过配置工具和奖励函数就可以开始训练。RL-Factory 支持异步工具调用，能显著提高训练效率。

项目主要使用的编程语言是 Python。

项目使用的关键技术和框架

• 强化学习（Reinforcement Learning）: RL-Factory 基于强化学习技术，通过奖励机制来指导智能体学习。
• 异步工具调用: 通过异步调用工具，提高了在线 RL 训练的效率。
• 模型判断奖励: 使用模型如 QwQ-32B 进行分布式部署，以高效计算奖励。
• Qwen 模型: RL-Factory 支持 Qwen 模型，这是一种先进的自然语言处理模型，能够有效地进行工具调用。

项目安装和配置的准备工作

在开始安装 RL-Factory 之前，请确保您的系统中已安装以下依赖项：

• CUDA: 推荐版本 12.4 或更高。
• Python: 推荐版本 3.10 或更高。
• vllm: 推荐版本 0.8.5 或更高。

确保您的环境中已安装 pip，并且能够安装 Python 包。

详细安装步骤

1. 安装基本依赖项: 使用 pip 安装 RL-Factory 所需的基本依赖项。打开终端，执行以下命令：

   pip3 install accelerate bitsandbytes datasets deepspeed==0.16.4 einops flash-attn==2.7.0.post2 isort jsonlines loralib optimum packaging peft pynvml tensorboard torch torchmetrics tqdm transformers==4.51.3 transformers_stream_generator wandb wheel
   

2. 安装 vllm: 接下来，安装 vllm 包，这是支持 Qwen 模型所必需的。

   pip3 install vllm==0.8.5
   

3. 安装 Qwen-Agent 和其他相关依赖项: 为了支持代码解释器等功能，还需要安装 Qwen-Agent 以及其他相关依赖。

   pip3 install "qwen-agent[code_interpreter]"
   pip3 install llama_index bs4 pymilvus infinity_client codetiming tensordict==0.6 omegaconf torchdata==0.10.0 hydra-core easydict dill python-multipart mcp
   

4. 安装 faiss-gpu-cu12（可选）: 如果您需要进行端到端的搜索模型训练，可以选择安装 faiss-gpu-cu12。

   pip3 install -e . --no-deps
   pip3 install faiss-gpu-cu12
   

5. 运行示例: 安装完成后，您可以参照项目中的示例来运行 RL-Factory。根据需要修改 main_grpo.sh 脚本中的模型路径、奖励模型路径以及环境参数。

   bash main_grpo.sh
   

按照以上步骤，您应该能够成功安装并配置 RL-Factory，开始您的强化学习训练。