qqr

让开放式智能体在变化环境中持续强化学习训练

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 317

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类模型训练

开发团队Alibaba-NLP

所属国家

官网地址https://tongyi-agent.github.io/blog/arenarl

GitHubhttps://github.com/Alibaba-NLP/qqr

定价模式free

价格说明开源免费，无付费计划

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型

GitHub 星标★ 317

30天Star增速

HF 下载量

上线时间2025-12-22 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-13

浏览次数0

项目介绍

qqr 是一个面向开放式智能体（open-ended agents）的强化学习训练框架，用 Python 编写。它要解决的问题是：传统 RL 训练框架多针对固定任务、固定奖励的封闭环境，而开放式智能体需要在不断变化、没有明确终点的任务空间中持续学习，奖励信号稀疏且难以手工设计。qqr 提供了从环境交互、轨迹采样、奖励计算到策略优化的完整训练管线，支持自定义环境和奖励函数，让研究者可以快速搭建并迭代开放式智能体的训练流程。核心能力包括：模块化的环境与智能体接口、可扩展的奖励塑形机制、分布式采样与训练支持，以及与常见 RL 算法（如 PPO 等）的集成。项目目前处于早期阶段，星标约 317，适合作为研究原型和实验平台，而非生产级部署。