XiaoRed5/Agentic-RL-Most-Detailed-Intro has 415 GitHub stars and 22 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-21 14:40 UTC. Last push 2026-08-06.
計測したスター増加
- 24時間
- 0
- 7日間
- 履歴を収集中
- 15日間
- 履歴を収集中
- 1か月
- 履歴を収集中
期間ごとの純増数です。期間は重複しており、日別の値ではありません。未計測の値は空欄です。スター数は注目度の指標であり、品質の保証ではありません。
概要
Agentic RL最详细入门
学習README.md
オリジナルAgentic RL 入门
我在美团LongCat做基座预训练&code agent Mid-training/SFT/Agentic RL
我从上交芯片系➡️华为诺亚实习➡️24届校招腾讯➡️美团LongCat,帮助像曾经的我一样想转行的朋友!
持续更新论文、基座技术报告。可写简历的工业级项目也会持续完善更新,把我的know how蒸馏出来
小红书看更多干货&基座打工日常:小red
组里主要做通用工具调用和code agent,上海/北京的LongCat人才计划实习/校招、社招HC充沛,欢迎投递 [email protected]
有任何问题、需求、想看更新方向都可以直接提issue(预训练/Mid-training/SFT/Agentic RL方向)
三个项目方向
本仓库目前沿着三个方向持续更新:实验可视化、Agentic RL 代码实战,以及 Agentic RL 技术论文阅读。
1️⃣ Agent Forge: Agent/RL Experiment Visualization
这是本仓库重点推荐的可视化项目:把两组 Agent / RL 实验的训练趋势、离线评测、工具调用成本和证据强度放进同一个交互式看板。
2️⃣ agentic-tau-rl 代码实战
一套可运行、可单测的 Agentic RL 实现,覆盖多轮 rollout、信用分配、策略优化和行为塑形,并提供从离线验证迁移到真实模型训练的完整说明。
3️⃣ Agentic RL 技术论文阅读
从基础概念、信用分配和多轮工具调用,到 LongCat、GLM 与 Kimi 等代表性工作,持续整理 Agentic RL 论文与技术实践。
- Agentic RL入门1:基础、代码
- Agentic RL入门2:信用分配
- Agentic RL入门3:transformer 架构
- Agentic RL入门4:Credit 错分与算法接口
- Agentic RL入门5:Skill-based Agentic RL
- Agentic RL入门6:多轮工具调用
- 如何在 5 万张国产芯片训练出 1.6T 万亿参数模型?
- GLM-5.2 长程任务的 RL 怎么做?
- Kimi-K3 为什么这么强?
- Kimi K3 百万token的agentic RL怎么做?
本地预览
python3 -m http.server 8000
然后访问:
http://localhost:8000
関連プロジェクトを探す
読み込み中…