AReaL
★ 5.2k
vs
on-policy
★ 2.0k
AReaL vs on-policy
AReaL：AReaL是一个为大型推理和智能体模型设计的开源、完全异步的强化学习训练系统。它具有出色的灵活性、业界领先的速度以及从单节点到千卡GPU的扩展能力，实现了最先进的性能。；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 AReaL 如果…训练推理智能体：开发能够处理复杂数学、编码和通用推理任务的AI智能体。
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
AReaL01完全异步强化学习训练：提供稳定、业界领先速度的强化学习训练。
02高可扩展性：可从单节点无缝扩展到1000+ GPU。
03灵活的智能体推演：易于定制多轮智能体推演工作流，并与外部框架集成。
04前沿性能：在数学、编码和搜索智能体方面达到最先进水平。
05开源与可复现：提供完整的训练细节、数据和基础设施以复现结果。
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
AReaL↳训练推理智能体：开发能够处理复杂数学、编码和通用推理任务的AI智能体。
↳大型语言模型对齐（RLHF）：利用人类反馈强化学习对大型语言模型进行微调。
↳多轮智能体工作流：实现和定制具有自校正和工具集成的迭代智能体行为。
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
AReaL时下流行
on-policy时下流行强化学习多智能体AI
FAQ
常见问题
AReaL 和 on-policy 有什么区别？
AReaL 和 on-policy 都属于 LLM Infra 类别。AReaL 有 5.2k Stars，on-policy 有 2.0k Stars。
AReaL 和 on-policy 哪个更好？
最佳选择取决于你的具体需求。训练推理智能体：开发能够处理复杂数学、编码和通用推理任务的AI智能体。 时选 AReaL，合作多智能体强化学习的研究与实验 时选 on-policy。
AReaL 是免费的吗？
是的，AReaL 在 GitHub 开源。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
→