ART
OpenPipe 开源的 Agent 强化学习训练框架，基于 GRPO 算法对多步 Agent 进行实战训练，支持 Qwen3.6、GPT-OSS、Llama 等主流模型
🎯适用场景：对 AI Agent 进行强化学习微调，提升复杂任务的执行成功率
📥 收录于 2026/6/6
📊 仓库数据
📈 Stars 变化 ↑2 天 +6· 统计区间 7/18 23:22 → 7/20 20:02（2 天）
✅ 优点
- •GRPO 算法降低训练资源需求
- •支持主流开源模型
- •面向真实任务场景
⚠️ 限制
- •需要 GPU 资源
- •RL 调参经验要求高
- •仍在早期阶段
🔗 相关工具
LLaMA Factory
github.com/hiyouga/LLaMA-Factory
100+ 大模型高效微调工具，71K+ stars。支持 LoRA、QLoRA、DPO、PPO 等 10+ 种微调方法，提供 WebUI 一键式微调界面，兼容 LLaMA、Mistral、Qwen、Baichuan 等主流模型。ACL 2024 论文收录
🎯大模型微调与训练
Unsloth
github.com/unslothai/unsloth
LLM 微调 Web UI 和优化工具，62,269+ stars。提供 2 倍训练速度、70% 显存占用的 LLM 微调方案，支持 Llama、Mistral、Qwen 等主流模型的 LoRA/QLoRA 微调
🎯大模型微调与训练
Axolotl
github.com/axolotl-ai-cloud/axolotl
LLM 微调训练工具，12K+ stars。支持 LoRA/QLoRA/全参数微调、DPO/ORPO 等对齐方法，兼容 Llama、Mistral、Qwen 等主流模型。提供 YAML 配置驱动的训练流程，是 LLM 微调的事实标准工具之一
🎯大模型微调与训练
Gymnasium
github.com/Farama-Foundation/Gymnasium
单代理强化学习环境 API 标准库（原 Gym 的继任者），提供丰富参考环境，适用于 RL 训练和研究
🎯强化学习算法开发和测试的标准环境接口
RLLM
github.com/rllm-org/rllm
LLM 强化学习开源框架，致力于降低强化学习应用于大语言模型的门槛，支持分布式训练、编码 Agent、搜索 Agent 等多种场景，是 verl 生态的重要组成部分。
🎯LLM强化学习与奖励模型训练，适合研究型团队探索Agent自主学习能力
LlamaFactory
github.com/hiyouga/LlamaFactory
统一高效微调 100+ 大模型，71K+ stars。支持 100+ LLM 和 VLM 的高效微调框架（ACL 2024 论文收录）
🎯大模型微调与训练
