AI 资源库 · 已整理 7 项
查看与强化学习相关的 AI 资讯、工具、Skill、工作流和开源项目。
Nebius 的 AI 训练团队在 Terminal-Bench 类负载上做了一次实验：把一次 256 条轨迹的批次收集时间减少了 66.9%。原来在智能体强化学习训练中，模型要先完成任务、拿到结果才能学习，但任务长短不一，慢的几条会让整批训练卡住，昂贵的 GPU 常常在等便宜的沙箱和代码执行。做法是把推理引擎当成训练优化器的一部分：按整组完成而不是启动顺序来组批，让生成和训练部分重叠、缓存对话历史避免重复预填，并把基础设施故障和模型自身失败分开计分。这只是一个实验中的批次收集测量，不含训练器本身的前向反向计算，不等于完整训练提速。对读者来说，这提供了一个思路：智能体训练慢，瓶颈往往不在 GPU 算力，而在任务执行和调度这些配套环节。
openenv/OpenEnv · An interface library for RL post training with environments.
OpenEnv 是一个用于创建、部署和使用隔离执行环境的端到端框架，面向智能体强化学习后训练。它提供 Gymnasium 风格的 reset/step/state API（支持同步与异步，通过 WebSocket 连接），每个环境以 Docker 镜像形式在本地、云沙箱或 Hugging Face Space 上运行，并提供 40+ 个现成环境（游戏、代码沙箱、浏览器、金融、模拟器等）。项目支持与 TRL、Unsloth、SkyRL、ART、Oumi、torchforge、Miles 等训练框架配合，内置奖励组合与 Inspect AI 评测能力，同时可通过 CLI 脚手架创建、校验和推送自定义环境。
verl-project/verl-omni · Multimodal RL training framework for diffusion & omni models
VeRL-Omni 是构建在 verl 之上的通用强化学习训练框架，专注于多模态生成模型的后训练。它覆盖扩散生成模型（图像、视频、音频，如 Qwen-Image、Wan2.2）、统一多模态理解与生成模型（如 BAGEL、HunyuanImage-3.0）以及全模态模型（如 Qwen3-Omni）。框架提供基于 vLLM-Omni 的快速多模态 rollout、多奖励与异步奖励服务、可选的 VeOmni 与 FSDP2 训练后端，以及 FlowGRPO、DiffusionNFT、Diffusion DPO、GSPO、GRPO 等算法集成，并支持 Ascend NPU。
小米发布了 MiMo-V2.6 系列模型，包括旗舰版 MiMo-V2.6-Pro，这是一个万亿参数的大模型，支持文本、图像、音频和视频，上下文窗口达 100 万 token。小米不仅公开了模型权重（MIT 许可），还把强化学习训练过程通过公开仪表盘直播了 5 天，并公布了训练成本：Flash 约 85 万美元，Pro 约 262 万美元。此外，小米承诺开源超过 7000 个任务环境和训练框架等资源，但目前 Hugging Face 上只有三个模型，其他资源尚未放出。这意味着研究人员和开发者未来可以基于这些开放资源做更多实验，推动开源 AI 进步，但部分承诺还在陆续兑现中。
phonghhd/EvoNet-AI-Core · Autonomous AI Security Agent leveraging LLMs, RAG, and Knowledge Graphs for automated CVE analysis and auto-patching.
EvoNet-Core 是一个自主 AI 安全代理项目，持续采集 CVE 数据、分析漏洞并生成防御性代码。它集成了四层 AI 路由故障转移（NVIDIA NIM、Groq、Cloudflare AI、本地 Ollama）、知识图谱与向量检索结合的 Graph RAG（Pinecone + Neo4j）、基于 PPO 的强化学习防御策略、MITRE ATT&CK 映射、EPSS 评分以及人工审批环节，并提供 FastAPI 后端、Web 仪表盘、CLI 工具和 Telegram 机器人接口。项目基于 Python 开发，采用 Apache-2.0 许可。
narsinghlaga124/ARIS-in-AI-Offer · Streamline your AI research and campus recruiting tasks with the ARIS agent framework to secure job offers.
该项目是 ARIS（Auto Research in Sleep）agent 框架的产出集合，收录了一系列中英双语的机器学习、LLM、多模态、扩散模型、Agent 与生成模型面试速查表。每份速查表以长文教程形式呈现，包含公式推导、从零实现的 PyTorch 代码，以及按 L1/L2/L3 分层的高频面试题；内容由 ARIS 的 /interview-cheatsheet 与 /render-html 工作流生成，并提供单文件 HTML（MathJax 公式、highlight.js 代码高亮、响应式布局、粘性目录、可离线阅读）。此外仓库还包含将个人简历转换为学术主页的 ARIS-Homepage 流程。
EM7m4/Distill-R1 · Combine reinforcement learning with online teacher-student distillation to improve vision-language model training using a dedicated teacher model.
Distill-R1 探索将强化学习与在线 teacher-student 蒸馏相结合，借助专门的教师模型来改进视觉语言模型的训练。仓库 README 仅给出项目名称，未提供更多实现细节。