AReaL

让 LLM 智能体轻松学会强化学习，快速训练出能决策的 AI。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 650 🐛 待处理 160 👀 关注 36

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 5904

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可自由使用和部署，无付费版本。

项目预览

项目数据

分类开源模型

开发团队areal-project

官网地址https://areal-ai.io

GitHubhttps://github.com/areal-project/AReaL

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可自由使用和部署，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent,llm,llm-agent,llm-reasoning,machine-learning-systems,mlsys,reinforcement-learning,rl

GitHub 星标★ 5904

上线时间2025-02-24 00:00:00

代码更新2026-11-07

仓库体积319.8 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数5

项目介绍

AReaL 是一个面向 LLM Agent 应用的开源强化学习框架，旨在简化并灵活地桥接强化学习与基于大语言模型的智能体应用。它解决了将 RL 技术应用于复杂 Agent 任务时面临的高门槛和工程复杂性，提供了统一的训练与推理接口，支持多种 RL 算法（如 PPO）和模拟环境。核心能力包括：模块化设计，便于定制奖励函数和环境；高效的分布式训练支持，可扩展至大规模并行；以及与主流 LLM 生态（如 HuggingFace）的无缝集成。通过 AReaL，开发者可以更便捷地训练出具备决策和交互能力的智能体，推动 RL 在对话系统、游戏 AI 等场景的落地。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 5904

技术标签

agent llm llm-agent llm-reasoning mlsys

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 20 分钟部署方式：本地安装 5 步

环境要求

Linux x86_64 环境（README 提供的 flash-attn wheel 为 linux_x86_64）
支持 CUDA 的 NVIDIA GPU（README 使用 --extra cuda 安装训练包与 SGLang）
Python 3.12（wheel 文件名 cp312 表明对应 Python 3.12）
CUDA 12.8 + PyTorch 2.9 运行时（wheel 名为 cu128torch2.9）
已安装 git 与 pip

安装与启动步骤

1克隆仓库

从 GitHub 拉取 AReaL 源码到本地，网络不通时可配置代理或使用镜像。
```
git clone https://github.com/areal-project/AReaL
```
2进入目录装 uv

切换到仓库目录，并用 pip 安装 uv 包管理器，后续依赖都由 uv 接管。
```
cd AReaL
pip install uv
```

3装 flash-attn 预编译包

README 要求先装预编译 wheel，避免从源码编译 flash-attn 耗时或失败。

uv pip install "https://github.com/mjun0812/flash-attention-prebuild-wheels/releases/download/v0.7.16/flash_attn-2.8.3+cu128torch2.9-cp312-cp312-linux_x86_64.whl"

4同步项目依赖

在 Linux + CUDA 环境下执行，安装训练相关依赖以及 SGLang 推理组件；不加 cuda 会缺失训练包。
```
uv sync --extra cuda --group dev
```
5安装 pre-commit 钩子

安装仓库的提交钩子，用于代码格式化、lint 和 commit message 检查。
```
pre-commit install --install-hooks
```