AgileRL 是模型训练领域的开源项目,由 AgileRL 开发,2023 年首次发布。
在全站 13,090 个收录项目中,它的 GitHub 星标数(951)位列前 30%,在模型训练分类中处于中上游。
项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。Apache-2.0许可证,完全免费,可自行部署使用。
它主要面向的使用场景是:学术研究:快速验证新想法,自动调参节省实验周期。同类可对比的替代方案包括 Stable-Baselines3、RLlib、Tianshou。

让强化学习训练快 10 倍,超参自动调优,开箱即用
AgileRL 是一个专注于强化学习(RL)的 Python 库,旨在通过 RLOps(强化学习运维)理念简化 RL 算法的开发、训练和部署流程。它解决了 RL 项目中最常见的痛点:训练速度慢、超参数调优繁琐、算法实现复杂。AgileRL 内置了多种最先进的 RL 算法(如 DQN、PPO、DQN 变体等),并引入了进化超参数优化(EHO)技术,能够自动搜索最优超参数组合,相比传统方法可将训练速度提升 10 倍。其核心能力包括:模块化 API 设计、支持单智能体与多智能体场景、提供完整的训练评估工具链,以及无缝集成 PyTorch 生态。通过 RLOps 理念,AgileRL 还强调实验管理、可复现性和生产部署的便捷性,帮助研究人员和工程师快速从实验原型过渡到实际应用。
Stable-Baselines3、RLlib、Tianshou
AgileRL 是模型训练领域的开源项目,由 AgileRL 开发,2023 年首次发布。
在全站 13,090 个收录项目中,它的 GitHub 星标数(951)位列前 30%,在模型训练分类中处于中上游。
项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。Apache-2.0许可证,完全免费,可自行部署使用。
它主要面向的使用场景是:学术研究:快速验证新想法,自动调参节省实验周期。同类可对比的替代方案包括 Stable-Baselines3、RLlib、Tianshou。
Long-RL
开源
让强化学习轻松驾驭超长序列,训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性,长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型,练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型,推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···