verifiers
一套接口搞定 RL 训练环境与评测
verifiers 是 Prime Intellect 开源的强化学习环境与评测库，面向大模型后训练（RLHF/RLVR）场景。它把「环境」抽象成统一接口：给定提示词和模型输出，环境负责打分、给奖励、返回可验证信号，从而让 PPO、GRPO 等 RL 算法可以直接在数学、代码、逻辑推理等任务上训练。库内自带一批可验证任务环境（如数学题、代码执行、工具调用），也支持自定义环境，并配套评测流程，方便在同一套标准下比较不同模型与训练策略。核心价值在于把「造 RL 环境」这件重复劳动标准化，减少每个任务都要重写数据加载、奖励计算、并行采样的问题，让研究者把精力放在算法和奖励设计上。Python 实现，接口偏轻量，适合快速接入现有训练框架。
项目数据
使用教程
环境要求
- Python 环境（verifiers 为 Python 实现）
- 可访问外网以下载 uv 安装脚本
- 推荐使用 uv 管理工具与依赖
- 建议安装 Prime CLI 以便与 Environments Hub 交互
安装与启动步骤
-
1安装 uv 工具
执行官方安装脚本把 uv 装到本机，uv 用于后续安装和运行命令行工具。安装后可能需要重开终端或按提示加载环境变量。
curl -LsSf https://astral.sh/uv/install.sh | sh -
2安装 Prime CLI
用 uv 以工具形式全局安装 prime 命令行，README 推荐用它来与 verifiers 环境交互。
uv tool install prime -
3获取仓库代码
README 未给出安装 verifiers 库本身的命令，如需本地查看源码与文档可克隆仓库；此命令为通用 Git 操作，非 README 明示。
git clone https://github.com/PrimeIntellect-ai/verifiers.git -
4阅读文档与示例
仓库 docs/ 目录含架构与用法说明，AGENTS.md 与 skills/ 面向编码代理，可先阅读了解环境接口再动手。
如何确认成功
运行 prime --help 或 prime --version 能正常输出帮助信息，即说明 Prime CLI 安装成功。
常见问题
Q：必须安装 Prime CLI 吗？
A：README 是「推荐」安装，用于与 Environments Hub 等平台交互；只阅读源码或自行开发环境时并非强制。
Q：uv 安装后命令找不到怎么办？
A：安装脚本会提示把 uv 加入 PATH，按提示重开终端或执行 source 更新环境变量后再试。
Q：README 里没有 verifiers 的 pip 安装命令？
A：节选部分只给出 uv 与 prime CLI 的安装方式，未提供 pip install 命令，请以仓库 docs/ 中的最新说明为准。
注意事项
- README 节选未提供 pip install verifiers 之类的库安装命令，请勿凭猜测执行。
- prime CLI 主要用于与 Environments Hub 及托管训练平台交互，本地开发环境可另按 docs/ 指引操作。
- 本项目与 prime-rl 训练框架、Prime Intellect 托管训练平台紧密集成，训练前需了解这些配套组件。
核心亮点
- 统一 Environment 抽象，奖励计算与采样流程标准化，接新任务只需实现少量方法
- 自带数学、代码等可验证任务环境，开箱即可跑 RL 训练与评测
- 与 Prime Intellect 的 RL 训练栈配套，便于复现和横向对比不同模型
不足之处
- 生态与文档仍在早期，部分环境依赖外部执行沙箱，部署成本不低
- 社区规模相对小，第三方环境与教程数量有限
适用场景
- 为大模型做数学/代码类 RLVR 强化学习训练
- 搭建可复现的模型评测流水线，对比不同 checkpoint
- 研究新的奖励函数或 RL 算法时快速搭实验环境
替代项目
OpenRLHF、verl、TRL
项目介绍
上一篇：nncf
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···