reinforcement-learning 开源项目合集

Unsloth 是一个本地 AI 模型训练与推理一体化平台，提供 Web 界面 (Studio) 和 Python 库 (Core)，支持文本、音频、视觉等多模态模型，通过优化内核实现 2 倍训练加速与 70% VRAM 节省。

ART 是 OpenPipe 开发的 Agent 强化训练库，基于 GRPO 算法为 Qwen、Llama 等大模型提供在岗训练（on-the-job training），通过 Serverless RL 服务降低训练成本与运维复杂度。

MetaClaw是一个基于对话的AI智能体系统，通过元学习和进化机制使智能体能在真实交互中持续提升能力，无需GPU支持，提供跨会话记忆和技能管理，实现一键部署的自我进化助手。