RL-Factory 的安装和配置教程
2025-05-26 07:10:23作者:胡易黎Nicole
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
-
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
-
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
-
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
-
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
-
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。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0331- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (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
869
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

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
295
331

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0

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

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58