@TheTuringPost: 开源代理强化训练器（ART）——将GRPO嵌入任何Python应用 → 您的应用定义任务和奖励…

X AI KOLs Timeline 工具
open-source reinforcement-learning agents grpo lora training python

摘要

代理强化训练器（ART）是一个开源框架，将基于GRPO的强化学习嵌入任何Python应用，使代理能够通过环境交互学习，利用轨迹评分和LoRA更新，据称使用Qwen 2.5 14B模型在邮件检索任务上超越OpenAI的o3。

开源代理强化训练器（ART）——将GRPO嵌入任何Python应用 → 您的应用定义任务和奖励 → ART负责强化学习循环：推理、轨迹评分、GRPO优化、检查点保存和LoRA更新 这样，代理就能通过经验和环境交互来学习。 它适用于多步骤任务，如工具使用、邮件搜索、MCP、游戏和推理工作流 例如，ART•E使用Qwen 2.5 14B模型训练了一个邮件代理，在邮件检索任务上超越了OpenAI的o3 核心循环如下： 代理尝试任务 → 存储轨迹 → 获得奖励 → 使用GRPO训练 → 加载新的LoRA → 再次尝试 借助W&B Serverless RL，您可以跳过GPU基础设施。他们声称： - 成本降低40% - 训练速度提升28% - 支持2000+并发请求
查看原文
查看缓存全文

缓存时间: 2026/06/20 14:38

一个开源的智能体强化训练器（ART）——将GRPO集成到任何Python应用中

→ 您的应用定义任务和奖励
→ ART处理强化学习循环：推理、轨迹评分、GRPO优化、检查点保存和LoRA更新

这样智能体就能通过经验和环境交互进行学习。它适用于多步任务，如工具使用、邮件搜索、MCP、游戏和推理工作流。

例如，ART•E训练了一个Qwen 2.5 14B邮件智能体，其在邮件检索任务上超越了OpenAI的o3。

核心循环如下：
智能体尝试任务 → 存储轨迹 → 获得奖励 → 使用GRPO训练 → 加载新的LoRA → 再次尝试

借助W&B Serverless RL，您可以跳过GPU基础设施。他们声称：

  • 成本降低40%
  • 训练速度提升28%
  • 支持2000+并发请求

相似文章

@SergioPaniego: https://x.com/SergioPaniego/status/2067270222671741360

X AI KOLs Timeline

OpenReward环境现在可以直接通过单个OpenRewardSpec集成到TRL的GRPOTrainer中，从而能够针对一系列RL环境进行零代码粘合训练。该集成处于实验阶段，是让环境和智能体RL成为TRL一等公民的更广泛努力的一部分。

GRLO：从零开始迈向开放环境下的通用强化学习

arXiv cs.LG

GRLO 提出了一种新颖的强化学习后训练方法，仅使用 5000 条提示和 22.7 GPU 小时，就在多个领域（数学、代码等）实现了强大的泛化能力，在效率和数据需求上显著优于领域内的 RLVR 基线。