/openrlhf-training
以 Ray 與 vLLM 加速的高效能 RLHF 框架。用於大型模型（7B-70B 以上）的 PPO、GRPO、RLOO、DPO 訓練。
- 安裝次數
- 982
- 專案星數
- 1.4 萬 ★
- 授權
- MIT
- 專案更新
- 2026-10-11
怎麼裝
npx skills add https://github.com/Orchestra-Research/AI-Research-SKILLs --skill openrlhf安裝前請先看過原文內容。中文說明是 AI 翻譯，不保證安全。
原文
High-performance RLHF framework with Ray+vLLM acceleration. Use for PPO, GRPO, RLOO, DPO training of large models (7B-70B+). Built on Ray, vLLM, ZeRO-3. 2× faster than DeepSpeedChat with distributed architecture and GPU resource sharing.