RPG 是模型训练领域的开源项目，由 complex-reasoning 开发，2025 年首次发布。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 78。
项目仍在小幅维护中，最近一次代码更新于 2026-09-19。MIT许可证，可自由使用，无付费版本。
它主要面向的使用场景是：学术研究：复现论文实验，对比不同RL算法。同类可对比的替代方案包括 TRL、OpenRL、verl。
GitHub 星标
★ 78
维护状态
维护中
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队complex-reasoning
所属国家
定价模式free
价格说明开源项目，MIT许可证，可自由使用，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型deep-learning,foundation-models,large-language-models,llm,post-training,reinforcement-learning
GitHub 星标★ 78
30天Star增速
HF 下载量
上线时间2025-05-26 00:00:00
最近更新2026-09-19 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2
使用教程
核心亮点
- 算法创新：KL 正则化直接缓解策略崩溃，理论有 ICLR 背书
- 代码简洁：Python 实现，易于阅读和二次开发
- 紧跟前沿：针对 LLM 强化学习痛点，实用性强
不足之处
- 文档/社区待观察
- 早期项目，功能覆盖有限，可能缺少完整训练管线
适用场景
- 学术研究：复现论文实验，对比不同 RL 算法
- LLM 对齐：在 RLHF 流程中替代 PPO 等算法，提升稳定性
- 策略优化教学：作为强化学习入门案例
替代项目
TRL、OpenRL、verl
项目介绍
上一篇：DMax
同类项目推荐
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···