RLinf

摘要

RLinf 是面向 embodied 与 agentic 场景的分布式强化学习框架，支持多种策略优化算法、模拟器、动态多 Agent rollout 和多节点训练。

核心内容

基本信息

• 实体类别：分布式 Agentic/Embodied RL 框架。
• 关键名称或版本：v0.3；Apache-2.0。
• 时间范围：2025-08-14 创建；2026-09-03 推送并核实。

重要事实

• 核实时为 4,715 stars；当前浅克隆约 2,080 个文件、11 个 workflow 和 194 个测试文件。（来源：历史会话中的 Agent 工程开源项目回溯）
• 支持 PPO、GRPO、SAC、分布式 rollout/training 与 embodied simulator；历史更新加入 SearchR1 动态多 Agent rollout、trajectory packing、负载均衡和动态 GRPO advantage。（来源：历史会话中的 Agent 工程开源项目回溯）
• 作者以 8 张 A800 检查相关更新，但只公开曲线而非完整数值 parity；当前最新若干 Actions 是外部 PR 的 action_required，不是已确认测试失败。（来源：历史会话中的 Agent 工程开源项目回溯）

关系与影响

RLinf 与 prime-rl、LoongSage 同属可训练 policy 的 Agentic RL 基础设施，并将范围扩到机器人和 embodied 环境。

分歧与变化

框架覆盖面和项目自报加速不能替代固定硬件、模型、环境与 workload 的独立复现。

相关页面

• 概念：Agentic RL、Computer-Use Agent、Execution-Based Agent Evaluation
• 实体：prime-rl、LoongSage、qwen3-runtime
• 主题：Agent Harness 与 Agentic RL 开源生态

来源

• 历史会话中的 Agent 工程开源项目回溯

待核实问题

• 需复现动态多 Agent rollout 的吞吐、off-policy 偏差和训练收敛。