on-policy
★ 2.0k
vs
rllm
★ 5.6k
on-policy vs rllm
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。；rllm：rLLM是一个开源框架，旨在使用强化学习对语言代理进行后训练。它使用户能够轻松构建、训练和部署自定义代理和环境，以应对实际工作负载。
01
简评
选 on-policy 如果…合作多智能体强化学习的研究与实验
选 rllm 如果…训练用于代码生成和错误修复等任务的强大编码模型。
02
并排对比
03
功能特性
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
rllm01基于强化学习的语言代理后训练开源框架。
02支持构建、训练和部署自定义代理和环境。
03提供包括'verl'和'tinker'在内的多种训练后端。
04支持LoRA和VLM训练，用于高级模型。
05包含AgentWorkflowEngine，用于训练任意代理程序。
04
使用场景
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
rllm↳训练用于代码生成和错误修复等任务的强大编码模型。
↳开发用于自动化任务的复杂软件工程代理。
↳使用强化学习技术构建和评估多代理系统。
05
适合场景
on-policy时下流行强化学习多智能体AI
rllm时下流行
FAQ
常见问题
on-policy 和 rllm 有什么区别？
on-policy 和 rllm 都属于 LLM Infra 类别。on-policy 有 2.0k Stars，rllm 有 5.6k Stars。
on-policy 和 rllm 哪个更好？
最佳选择取决于你的具体需求。合作多智能体强化学习的研究与实验 时选 on-policy，训练用于代码生成和错误修复等任务的强大编码模型。 时选 rllm。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
rllm 是免费的吗？
是的，rllm 在 GitHub 开源（Apache-2.0）。
→