RLP

把强化学习塞进预训练，让模型天生会决策

RLP 是一个将强化学习作为预训练目标的开源模型项目，由 ICLR 2026 论文官方实现，基于 PyTorch。它旨在解决传统预训练模型仅关注监督学习或自监督学习，缺乏对交互式决策任务适应性的问题。RLP 的核心能力是在预训练阶段引入强化学习目标，使模型在初始阶段就学习到策略优化的信号，从而在下游强化学习任务中更快收敛、表现更好。该项目提供了完整的训练代码、配置和实验脚本，支持自定义环境与任务，适合研究强化学习预训练范式的学者和开发者。通过将 RL 目标与现有预训练流程结合，RLP 探索了通用智能体更高效的训练路径。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 254

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队NVlabs

所属国家

官网地址

GitHubhttps://github.com/NVlabs/RLP

定价模式free

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态

是否开源是

开源协议NOASSERTION

主要语言

技术栈/模型grpo,language-modeling,large-language-models,policy-gradient,pretraining,reasoning,reinforcement-learning

GitHub 星标★ 254

30天Star增速

HF 下载量

上线时间2025-09-26 00:00:00

最近更新2026-09-05 00:00:00

维护状态低维护

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4

使用教程

核心亮点

创新性地将强化学习目标融入预训练阶段，突破传统监督/自监督预训练局限
官方 ICLR 2026 论文实现，代码质量有保障，实验配置完整
基于 PyTorch，易于扩展和复现，适合学术研究

不足之处

早期项目，文档和社区支持待观察
目前仅提供基础实现，可能缺乏大规模预训练的实际验证

适用场景

学术研究：探索强化学习预训练的新范式
智能体训练：为下游强化学习任务提供更好的初始化
多任务决策：预训练模型可适应多种交互式环境

替代项目

Decision Transformer、Gato (DeepMind)、RLHF (基于人类反馈的强化学习)

项目介绍

RLP 是模型训练领域的开源项目，由 NVlabs 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 522 个项目，GitHub 星标数为 254。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-05。无在线服务，需自行部署，完全免费。

它主要面向的使用场景是：学术研究：探索强化学习预训练的新范式。同类可对比的替代方案包括 Decision Transformer、Gato (DeepMind)、RLHF (基于人类反馈的强化学习)。

上一篇：dLLM-RL

下一篇：reevo

RLP