rllm

环境要求

• Python >= 3.11
• 已安装 uv（安装命令使用 uv pip）
• 网络可访问 GitHub，从源码仓库拉取安装
• （可选）需要多卡分布式训练时准备 verl 后端环境，单机可用 tinker 后端

安装与启动步骤

1. 1确认 Python 版本

   rLLM 要求 Python >= 3.11，版本过低请先升级 Python 再执行后续安装。

   python --version

   复制

2. 2安装 rllm

   官方推荐用 uv pip 直接从 GitHub 仓库安装；此命令默认安装运行 rllm CLI 所需依赖及 tinker（单机、Tinker API）后端。

   uv pip install "rllm @ git+https://github.com/rllm-org/rllm.git"

   复制

3. 3按需安装其他后端

   README 说明上述安装只覆盖 tinker 后端；verl（多卡分布式）、fireworks 等后端需另行安装，原文该段内容被截断，请以官网文档为准。

4. 4运行基准测试验证

   README 提供 rllm eval 命令可自动拉取并运行 60+ 内置基准（如 Terminal-Bench 2.0、AIME、MATH-500）。把 换成具体基准名即可，能正常拉取运行说明环境就绪。

如何确认成功

执行 rllm eval 能自动拉取并成功运行目标基准任务，即表示 rllm CLI 与后端环境安装成功。

常见问题

注意事项

• README 的 Installation 只给出 pip/源码安装方式，Quickstart 部分未提供具体命令，本节步骤均来自 README 明确内容，其余用法请参考官网 https://docs.rllm-project.com。
• rllm eval 中的 为基准名称占位，需替换为实际基准名（README 举例 Terminal-Bench 2.0、SWE-bench、AIME、MATH-500 等）。
• 安装走 git+https 拉取源码，国内网络可能较慢，建议保证 GitHub 可访问。
• 若计划做多机多卡分布式训练，需额外准备 verl 后端环境与相应硬件资源。