大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源v1.26.93.08

大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源游戏介绍

⚾2025-09-01 15:53 「百科/秒懂百科」【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源】🍓支持:32/64bi🐯系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

🏈2025-09-01 14:00 「百科/秒懂百科」【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源】🍌支持:32/64bi🦈系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

🏊2025-09-01 12:05 「百科/秒懂百科」【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源】🐳支持:32/64bi🍒系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

🦈2025-09-01 09:26 「百科/秒懂百科」【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源】🐰支持:32/64bi🐍系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

🐬2025-09-01 16:30 「百科/秒懂百科」【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源】🐙支持:32/64bi🥌系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源版本特色

1. 🐪「科普」🏄 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载(2024全站)最新版本IOS/安卓官方入口v4.65.18.32(安全平台)登录入口🍁《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

2. 🤸「科普盘点」🐱 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载(2024全站)最新版本IOS/安卓官方入口v1.44.28.14(安全平台)登录入口🍁《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

3. 🍂「分享下」🚴 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载(2024全站)最新版本IOS/安卓官方入口v0.19.62.41(安全平台)登录入口🍁《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

4. 🏹「强烈推荐」🤼‍♀️ 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载(2024全站)最新版本IOS/安卓官方入口v6.41.17.90(安全平台)登录入口🍁《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

5. 🐪「重大通报」🏌️ 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载(2024全站)最新版本IOS/安卓官方入口v4.75.05.96(安全平台)登录入口🍁《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

6. 🐢「返利不限」🌳 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载(2024全站)最新版本IOS/安卓官方入口v4.47.87.89(安全平台)登录入口🍁《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

7. 🏐「欢迎来到」🏀 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载(2024全站)最新版本IOS/安卓官方入口v9.82.70.44(安全平台)登录入口🍁《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

8. 🌸「娱乐首选」🦆 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载(2024全站)最新版本IOS/安卓官方入口v4.96.07.08(安全平台)登录入口🍁《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

9. ⛳「免费试玩」🤾 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载(2024全站)最新版本IOS/安卓官方入口v2.48.11.58(安全平台)登录入口🍁《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》

大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源下载方式:

①通过浏览器下载

打开“大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源”手机浏览器（例如百度浏览器）。在搜索框中输入您想要下载的应用的全名，点击下载链接【m.gcyx168.com】网址，下载完成后点击“允许安装”。

②使用自带的软件商店

打开“大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源”的手机自带的“软件商店”（也叫应用商店）。在推荐中选择您想要下载的软件，或者使用搜索功能找到您需要的应用。点击“安装”即 可开始下载和安装。

③使用下载资源

有时您可以从“”其他人那里获取已经下载好的应用资源。使用类似百度网盘的工具下载资源。下载完成后，进行安全扫描以确保没有携带不 安全病毒，然后点击安装。

大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源安装步骤:

🦛🤽🏇第一步：🏀访问大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源官方网站或可靠的软件下载平台：访问（http://m.gcyx168.com/）确保您从官方网站或者其他可信的软件下载网站获取软件，这可以避免下载到恶意软件。

🏌️🚴🐌第二步：💐选择软件版本：根据您的操作系统（如 Windows、Mac、Linux）选择合适的软件版本。有时候还需要根据系统的位数（32位或64位）来选择大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源。

🐋🛺🦁第三步：🐼 下载大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源软件：点击下载链接或按钮开始下载。根据您的浏览器设置，可能会询问您保存位置。

⛳🐳🏐第四步：💐检查并安装软件： 在安装前，您可以使用 杀毒软件对下载的文件进行扫描，确保大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源软件安全无恶意代码。 双击下载的安装文件开始安装过程。根据提示完成安装步骤，这可能包括接受许可协议、选择安装位置、配置安装选项等。

🌰🦘🏂第五步：🦘启动软件：安装完成后，通常会在桌面或开始菜单创建软件快捷方式，点击即可启动使用大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源软件。

🎋🏋️🐮第六步：🏈更新和激活（如果需要）： 第一次启动大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源软件时，可能需要联网激活或注册。 检查是否有可用的软件更新，以确保使用的是最新版本，这有助于修复已知的错误和提高软件性能。

特别说明：大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源软件园提供的安装包中含有安卓模拟器和软件APK文件，电脑版需要先安装模拟器，然后再安装APK文件。

大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源使用讲解

🎢第一步：选择/拖拽文件至软件中点击“🥉添加大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源”按钮从电脑文件夹选择文件《🐢🧸m.gcyx168.com》，或者直接拖拽文件到软件界面。

🥀第二步：选择需要转换的文件格式 打开软件界面选择你需要的功能，大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源支持，PDF互转Word，PDF互转Excel，PDF互转PPT，PDF转图片等。

🍃第三步：点击【开始转换】按钮点击“开始转换”按钮， 开始文件格式转换。等待转换成功后，即可打开文件。三步操作，顺利完成文件格式的转换。

进入大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源教程

1.打开大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源，进入大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源前加载界面。

2.打开修改器

3.狂按ctrl+f1，当听到系统“滴”的一声。

4.点击进入大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源，打开选关界面。

5.关闭修改器(不然容易闪退)

以上就是没有记录的使用方法，希望能帮助大家。

大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源特点

🏋️‍♀️2025-09-01 09:49 🍏MBAChina🐮【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源 】系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数78534】🤾🏑🍓支持:winall/win7/win10/win11🐠🍃现在下载,新用户还送新人礼包🐙大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源

🥇2025-09-01 21:09 🤼‍♀️欢迎来到🎾【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源 】系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数65806】🌴🦨🎾支持:winall/win7/win10/win11🌿🐶现在下载,新用户还送新人礼包🦇大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源

🥋2025-09-01 09:27 🦊HOT🐸【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源 】系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数02317】🤼⛷️🦐支持:winall/win7/win10/win11🏀🏋️‍♀️现在下载,新用户还送新人礼包🐯大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源

🤺2025-09-01 10:18 🦎娱乐首选🍊【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源 】系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数09852】🍐🦧🐮支持:winall/win7/win10/win11🥋🏈现在下载,新用户还送新人礼包🦢大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源

🚵2025-09-01 19:00 👾返利不限🏏?【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源 】系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数13249】🏂🥇🍊支持:winall/win7/win10/win11🍒👾现在下载,新用户还送新人礼包🍁大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源

相关介绍

🤾ωειcοmε🌴【 大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源 】🐺🦁🍊系统类型:大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源(官方)官方网站-IOS/安卓通用版/手机app🌵支持:winall/win7/win10/win11🌳🌿🌻【下载次数999】🐜🎴现在下载,新用户还送新人礼包🀄大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源

　　东州方向虽然有所准备，但若

> 厂商新闻《大规模强化学习框架RLinf!清华、北京中关村学院、无问芯穹等开源》特朗普继续对日本施压：日本需要开放市场 时间：2025-09-01 21:17

• 编辑:CN

机器之心报道

机器之心编辑部

清华大学、北京中关村学院、无问芯穹联合北大、伯克利等机构重磅开源RLinf：首个面向具身智能的“渲训推一体化”大规模强化学习框架。






人工智能正在经历从 “感知” 到 “行动” 的跨越式发展，融合大模型的具身智能被认为是人工智能的下一发展阶段，成为学术界与工业界共同关注的话题。

在大模型领域，随着 o1/R1 系列推理模型的发布，模型训练的重心逐渐从数据驱动的预训练 / 后训练转向奖励驱动的强化学习（Reinforcement Learning, RL）。OpenAI 预测强化学习所需要的算力甚至将超过预训练。与此同时，能够将大规模算力高效利用的 RL infra 的重要性也日益凸显，近期也涌现出一批优秀的框架，极大地促进了该领域的发展。





图1 : OpenAI 在红杉资本闭门会上的分享

然而，当前框架对具身智能的支持仍然受限。相比推理大模型这一类纯大脑模型，具身智能领域存在大脑（侧重推理、长程规划，如RoboBrain）、小脑（侧重执行、短程操作，如OpenVLA）及大小脑联合（快慢系统，如pi 0.5）等多样模型。

其次，具身智能除了包含Agentic AI的多步决策属性外，他还有一个独特属性：渲训推一体化。与工具调用智能体、浏览器智能体所交互的仿真器相比，具身仿真器通常需要高效并行物理仿真和3D图形渲染等，因此当前主流仿真器通常采用GPU加速，耦合多步决策带来了算力和显存竞争的新挑战。

总的来说，具身智能领域不仅继承了推理大模型和数字智能体的难点，同时还引入了新的渲训推一体化特征，再加上具身智能模型尚未收敛，对框架的灵活性、高效性和易用性提出挑战。





图 2：推理大模型与具身智能体对比图

在这样的背景下，清华大学、北京中关村学院和无问芯穹联合推出了一个面向具身智能的灵活的、可扩展的大规模强化学习框架 RLinf





代码链接：https://github.com/RLinf/RLinfHugging Face链接：https://huggingface.co/RLinf使用文档链接：https://rlinf.readthedocs.io/en/latest/

RLinf 的 “inf” 不仅代表着 RL “infrastructure”，也代表着 “infinite” scaling，体现了该框架极度灵活的系统设计思想。

RLinf 的系统可以抽象为用户层（统一编程接口）、任务层（多后端集成方案）、执行层（灵活执行模式）、调度层（自动化调度）、通信层（自适应通信）和硬件层（异构硬件）6 大层级。相比其他框架的分离式执行模式，RLinf 提出的混合式执行模式，在具身智能训练场景下实现了超 120% 的系统提速，VLA 模型涨幅 40%-60%。同时，RLinf 高度灵活、可扩展的设计使其可快速应用于其他任务，所训练的 1.5B 和 7B 数学推理大模型在 AIME24、AIME25 和 GPQA-diamond 数据集上取得 SOTA。





图 3：RLinf 系统及亮点介绍

设计 1：采用基于 Worker 的统一编程接口，

利用微执行流实现宏工作流，实现一套代码驱动多种执行模式

当前已有强化学习框架通常采用两种执行模式：共享式（所有卡跑同一个组件） 和分离式（不同的卡分配不同的组件）。然而，这两种模式在具身智能 “渲训推一体” 的特点下都存在局限性。主要是：由于具身智能体多步决策的属性，模型（Actor）要和仿真器（Simulator）频繁交互，而当前框架一方面不支持仿真器状态快速卸载和加载，另一方面若用共享式需要频繁加载卸载组件，切换开销大，严重降低系统效率。

因此，目前已有的框架在这个场景下仅支持分离式训练，但分离式采用 on-policy 算法训练时资源闲置率高，系统气泡比较大。RLinf 针对这一问题，提出了混合式执行模式，如图 4 所示，这种模式兼具分离式和共享式的优势，再配合上细粒度流水设计，使得系统几乎无气泡，显著提升了系统运行效率。





图 4 : 共享式、分离式和混合式执行模式对比

然而，要想实现一套代码驱动多种执行模式（即无需更改代码，通过配置参数即可实现分离、共享或混合）是不容易的，一种标准的解决方案是构建计算流图，但会导致编程灵活性降低，debug 难度直线上升，所以当前已有框架通常只支持一种模式（分离或者共享），引入新的执行模式需要大量的系统开发。

为此，RLinf 提出了创新的宏工作流到微执行流的映射机制（Macro-to-Micro Flow，M2Flow），实现从组件级而非任务级进行调度。M2Flow 允许用户使用过程式编程方式灵活构建复杂训练流程，解决传统计算流图构建编程灵活性低的问题，同时能够将过程式的训练流程灵活映射到底层不同的执行模式上，为不同的训练流程（如 RLHF、RLVR 等）选择最优执行模式（配合自动调度模块）。

因此，该映射机制兼具过程式编程（Imperative Programming）的灵活性、易用性、易调试性和声明式编程（Declarative Programming）的编译优化能力。具体而言，RLinf 采用基于 Worker 的统一编程接口，允许用户将训练流程中的不同组件，如模拟器、训练推理引擎，封装成不同 Worker，然后通过过程式编程将这些 Worker 串起来形成完整的训练流程。M2Flow 通过细粒度控制微执行流，即控制每个 Worker 的运行 GPU、执行的批大小、执行时机等，实现极度灵活的执行模式。

总结来说，RLinf 使用户能够以高度可适配的方式编排组件（Actor、Critic、Reward、Simulator 等），组件可以放置在任意 GPU 上，并自动配置不同的执行模式，目前支持 3 种执行模式：

共享式（Collocated Mode）：用户可以配置组件是否同时常驻于 GPU 内存，或通过卸载 / 重新加载机制交替使用 GPU。分离式（Disaggregated Mode）：组件既可以顺序运行（可能导致 GPU 空闲），也可以以流水线方式执行，从而确保所有 GPU 都处于忙碌状态。混合式（Hybrid Mode）：进一步扩展了灵活性，支持自定义组合不同的放置形式。典型案例是 Generator 和 GPU-based Simulator 执行分离式细粒度流水，二者与 Inference 和 Trainer 执行共享式。

设计 2: 面向具身智能大小脑不同训练需求，

采用全新的低侵入式多后端集成方案，兼顾高效性和易用性

如前文提到，具身智能领域的特点是：大小脑同时存在，且该领域仍处在蓬勃发展期，技术路线尚未收敛。因此为了更好地支持具身智能不同用户（如具身大小脑研究人员）的需求，RLinf 集成了两套后端：

Megatron + SGLang/vLLM：针对已收敛的模型架构（如具身大脑 VLM），支持已适配模型的快速接入，是大规模集群训练的首选模式。在这一模式下，RLinf 也采用了全新的低侵入式训推引擎集成方式，有助于快速集成训推引擎的更新版本（用户可尝试切换 SGLang 版本，方法见说明文档 Advanced Feature 章节），进而能够启用 Megatron 和 SGLang/vLLM 的所有优化能力，如 5D 并行等。FSDP + Hugging Face：针对未收敛的模型架构（如具身小脑 VLA），支持 Hugging Face 模型开箱即用无需适配，是快速小规模验证的首选模式。这一模式对于算力受限及新手用户比较友好，特别为具身智能从业者打造。





图 5：RLinf 集成两套后端

同时 RLinf 也支持多项来自一线从业者的刚需，包括 LoRA 训练，断点续训，以及适应不同网速用户的训练可视化（Tensorboard、W&B、SwanLab）等。此外，RLinf 也正在集成 SFT 模块，致力于提供一站式的服务，通过一套代码满足多样化的训练需求。

设计 3: 设计面向强化学习的自适应通信库和自动化调度模块，

提升训练稳定性和系统效率。

自适应通信机制：

强化学习存在多个组件，且这些组件之间存在大量的数据交互。灵活、高效的互通信是支撑强化学习框架高效运行的关键，也是框架可扩展性的重要保证。因此，RLinf 特别设计了一套面向强化学习的通信库，其中主要包含四项优化技术：自适应 CUDAIPC/NCCL 通信、负载均衡传输队列、多通道并发通信机制、快速通信重配置。

自适应 CUDAIPC/NCCL 通信：无需用户配置，根据两个互通信组件所在 GPU 自动选择使用 CUDAIPC 通信还是使用 NCCL 通信，即两个组件位于同一个 GPU 上时使用 CUDAIPC，位于不同 GPU 上时使用 NCCL。负载均衡传输队列：可以根据上一个组件在不同 GPU 上所产生数据量的大小，在发送给下一个组件的不同 GPU 时做数据量负载均衡，使得下一个组件不同 GPU 的计算量接近，提升系统运行效率。





图 6：负载均衡传输队列

多通道并发通信：使用多 CUDA stream 以及多网络流并发的通信，避免队头阻塞（Head-of-Line Blocking），降低通信延迟。快速通信重配置：该功能主要面向大规模集群训练，是实现下文秒级动态扩缩的支撑技术之一，可有效解决通信容错和通信调整的问题。

自动化调度模块：

大规模强化学习框架的优化目标是尽量减少系统资源闲置。已有框架通常采用人为指定资源配置的方案，依赖于人工经验，容易造成系统资源浪费，RLinf 设计了一套自动调度策略，可以针对用户的训练流以及用户所使用的计算资源，选择最优的执行模式

具体而言，RLinf 会对各组件做自动化性能分析，获得各组件对资源的使用效率和特征。然后，构建执行模式的搜索空间，该搜索空间描述了强化学习算法各组件对计算资源的分配复用关系，包括 “时分复用”、“空分复用” 以及二者结合的资源分配方案；在这样的建模下，RLinf 的自动化调度不仅支持已有强化学习框架中 “共享式” 和 “分离式” 的典型资源分配方式，还支持二者结合的混合分配方案的建模分析。

最后，基于上述性能分析数据，在该空间中搜索出最优的执行模式。除此之外，该自动调度策略还集成 “秒级在线扩缩容（Online Scaling）” 能力，70B 模型只需 1 秒即可完成 5D 并行动态扩缩，而传统方案需十几秒甚至更久。该功能及相关论文将于 10 月上线开源版本。基于该技术可进一步实现运行时组件间计算资源的动态调度，配合细粒度流水设计，可以在保证算法 on-policy 属性的前提下进一步压缩系统气泡率，且显著提升训练稳定性。

RLinf 性能快览

具身性能（采用 FSDP+HuggingFace 后端测试）：

在应用上，与其他框架相比，RLinf 的特色在于 Vision-Language-Action Models (VLAs)+RL 的支持，为研究人员探索 VLAs+RL 领域提供了良好的基础算法性能及测试平台。RLinf 支持了主流的 CPU-based 和 GPU-based 仿真器（具体平台见说明文档），支持了百余类具身智能任务，集成了主流的具身大模型 OpenVLA、OpenVLA-OFT、Pi 0。

特别地，团队率先实现了对 Pi 0 的大规模强化学习微调，相关算法及论文将在 9 月底发布。在量化指标上，以 Maniskill3（典型的 GPU-based Simulator ）为例进行测试，RLinf 采用混合式结合细粒度流水的执行模式。相比其他框架的分离式执行模式，系统效率显著提速 120% 以上（图 7）。

OpenVLA 及 OpenVLA-OFT 在 Maniskill3 自建 25 个任务 [1] 中采用 PPO 算法和适配具身的 GRPO 算法训练后，成功率曲线如图 8 所示，可以看到模型成功率可以从 SFT 后的 30%-50% 提升至 80%-90%，涨幅 40%-50% 以上。

在公开测试平台 LIBERO 的 4 个场景中，OpenVLA-OFT 采用 RLinf 适配具身的 GRPO 算法训练后，平均成功率达到 97.3%，相比 SFT 模型涨幅 62.4%。

团队前序工作曾探讨 RL 和 SFT 对 VLA 泛化性提升的不同之处 [1]，RLinf 将研究进一步拓展至大规模场景下，助力探索具身智能领域的 RL Scaling Law。相关模型已开源在 https://huggingface.co/RLinf，欢迎下载测试。





图 7：RLinf 在 “渲训推一体化” 任务训练中显著提速 120%+





图 8：OpenVLA、OpenVLA-OFT 在 Maniskill3 自建 25 个任务中采用 PPO 算法及具身版 GRPO 算法的训练曲线





表 1：OpenVLA-OFT 在 LIBERO 中采用具身版 GRPO 算法的测评结果

推理性能（采用 Megtatron+SGLang 后端测试）：

面向具身智能是 RLinf 的应用特色，但 RLinf 的系统设计思想不仅限于具身智能，灵活、可扩展的设计理念使得其可以快速支持其他应用，体现了其通用性。

以 RLinf 支持的推理大模型训练为例，团队集成优化后的 GRPO 算法 [2] 进行了数学推理大模型的训练，数据集为 AReal-boba 数据集 [3]，基座模型为 DeepSeek-R1-Distill-Qwen。在三个测试集（AIME24、AIME25、GPQA-diamond）中进行测评，32 个样本取平均，Pass@1 测试结果如表 2 和 3 所示，RLinf-math-1.5B 和 RLinf-math-7B 在三个测试集上均取得 SOTA 性能。

（注：表格中的模型均来自 HuggingFace 开源模型，统一测试脚本 https://github.com/RLinf/LLMEvalKit）

相关模型已开源在 https://huggingface.co/RLinf，欢迎下载测试。





表 2：1.5B 数学推理大模型在多个数据集的测评结果





表 3：7B 数学推理大模型在多个数据集的测评结果

Last but not least

考虑到框架的易用性，RLinf提供了全面且系统化的使用文档。RLinf 在开发之初的目标就是开源，因此让每一个用户能够理解、使用和修改是设计原则之一，也是一个优秀开源框架必备的属性。团队采用公司级代码开发流程，确保文档内容覆盖从入门到深度开发的各层次需求。此外，RLinf 还提供完整的 API 文档与集成 AI 问答机器人支持，以进一步提升开发体验与支持效率。





图 9：RLinf 文档链接 https://rlinf.readthedocs.io/en/latest/

RLinf 团队的开发成员具有交叉研究背景，包含从系统到算法到应用的技术全栈，例如系统架构设计、分布式系统、大模型训练推理加速、强化学习、具身智能、智能体等。正是由于这样的交叉背景，使得团队能够从应用需求驱动算法设计，算法指导系统设计，高效系统加速算法迭代，体现了大模型时代下新型科研形态。未来 RLinf 团队也将持续开发和维护，具体 Roadmap 见 Github 网站。

RLinf 项目地址 https://github.com/RLinf/RLinf

最后，诚挚地邀请大家体验 RLinf 框架，并且与我们交流技术观点与潜在合作机会。同时，RLinf 团队持续招聘博士后、博士、硕士、研究员、工程师及实习生，欢迎投递简历，与我们共同推进下一代强化学习基础设施的建设与发展。

联系方式：zoeyuchao@gmail.com, yu-wang@mail.tsinghua.edu.cn

参考资料：

[1] Liu, Jijia, et al. "What can rl bring to vla generalization? an empirical study." arXiv preprint arXiv:2505.19789 (2025).

[2] https://github.com/inclusionAI/AReaL

[3] https://huggingface.co/datasets/inclusionAI/AReaL-boba-Data

更新内容

一、修复bug，修改自动播放;优化产品用户体验。

二、 1.修复已知Bug。2.新服务。

三、修复已知bug;优化用户体验

四、1，交互全面优化，用户操作更加便捷高效;2，主题色更新，界面风格更加协调;3，增加卡片类个人数据

五、-千万商品随意挑选，大图展现商品细节-订单和物流查询实时同步-支持团购和名品特卖，更有手机专享等你抢-支付宝和银联多种支付方式，轻松下单，快捷支付-新浪微博，支付宝，QQ登录，不用注册也能购物-支持商品收藏，随时查询喜爱的商品和历史购物清单。

六、1.bug修复，提升用户体验;2.优化加载，体验更流程;3.提升安卓系统兼容性

七、1、修复部分机型bug;2、提高游戏流畅度;