FedML
★ 4.0k
vs
on-policy
★ 2.0k
FedML vs on-policy
FedML：FedML是由TensorOpera AI支持的统一且可扩展的开源机器学习库，能够在任何地点和任何规模运行AI训练与部署任务。它为机器学习运维、调度和高性能ML库提供了全面的支持，包括联邦学习、分布式训练和生成式AI功能。；on-policy：该存储库实现了MAPPO，一种PPO的多智能体变体，广泛应用于合作多智能体游戏和研究。它为星际争霸II、花火和谷歌足球等多种多智能体环境提供了健壮的实现，并附有详细的训练脚本和超参数指南。
01
简评
选 FedML 如果…大型模型（包括大语言模型）的分布式训练与微调
选 on-policy 如果…合作多智能体强化学习的研究与实验
02
并排对比
03
功能特性
FedML01统一且可扩展的机器学习库
02支持生成式AI和大语言模型（微调、部署）
03联邦学习平台（设备端、跨云）
04大型和基础模型分布式训练
05高可扩展、低延迟的模型服务平台
on-policy01MAPPO（多智能体PPO）的实现
02支持多样化的多智能体环境（如星际争霸II、花火）
03提供各种场景的即用型训练脚本
04详细的超参数指导和最新结果
05默认支持智能体间的共享策略
04
使用场景
FedML↳大型模型（包括大语言模型）的分布式训练与微调
↳AI模型的可扩展部署与服务
↳跨各种去中心化环境的联邦学习
on-policy↳合作多智能体强化学习的研究与实验
↳评估PPO在多智能体强化学习场景中的有效性
↳为星际争霸II和花火等流行多智能体游戏训练AI智能体
05
适合场景
FedML时下流行必备神器
on-policy时下流行强化学习多智能体AI
FAQ
常见问题
FedML 和 on-policy 有什么区别？
FedML 和 on-policy 都属于 LLM Infra 类别。FedML 有 4.0k Stars，on-policy 有 2.0k Stars。
FedML 和 on-policy 哪个更好？
最佳选择取决于你的具体需求。大型模型（包括大语言模型）的分布式训练与微调 时选 FedML，合作多智能体强化学习的研究与实验 时选 on-policy。
FedML 是免费的吗？
是的，FedML 在 GitHub 开源（Apache-2.0）。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
→