【开源推广】我把主流 Agentic RL 算法全复现了一遍做成了开源教程，顺便找 PyTrio 官方给佬友们薅了 100 份代金券

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI 生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

佬友们好，来宣传一下我自己的开源项目 Agentic-RL-Lab ！

我把主流 Agentic RL 算法全复现了一遍做成了开源教程，顺便找 PyTrio 官方给佬友们薅了 100 份代金券！

先说我为什么搞这个仓库。我一直想系统研究一遍 Agentic RL，但拖了很久很久很久一直没动手。一是没卡，二是完全搞懂 verl 那种训推一体的框架太难了，工程代码耦合非常严重，光把训练循环从一堆抽象里捞出来就要半天。后来接触到 PyTrio，一个远程后训练服务，思路类似 Tinker，本地只写数据、reward 和训练逻辑，前向反向、采样、权重更新全在云端。发现这东西把算力和工程两层门槛都铲掉了，就干脆一边学一边把过程全部搞成了笔记，只花了一个多月吧，我现在只要看一眼 RL 论文的公式，就大致知道怎么复现这个算法了。

现在仓库里有 GRPO、DAPO、GSPO、OPD、OPSD、Search-R1、ReTool、ALFWorld、Vision GRPO、TEMPO、AgentOPSD 等算法的复现代码和复现笔记。

覆盖了从 GSM8K 上的 GRPO 入门，再到 Search-R1 多轮搜索、ReTool 代码沙箱、ALFWorld 这种 16K 长轨迹的家务 Agent 训练都有，多模态的 Vision GRPO 也安排了。本地不需要有卡，这一整套是在我的 MacBook Air 上训练完成的。

我自己跟完一轮最大的感受：RL 的门槛一大半其实是工程和算力，算法本身没那么复杂。如果你也想入门 Agentic RL 但一直被算力劝退，那这个仓库应该能帮到你。

然后是羊毛时间。因为仓库的实验都是走 PyTrio 的，我去联系了 PyTrio 官方，说想给 L 站的佬友们送点福利，对方很爽快，批了一批代金券：100 份 50 元代金券，每份有效期一个月，先到先得。

领取方式：回复本帖，说明你在做哪个方向的大模型训练：SFT、RL、Agent RL 都行，搞 AI4S 的佬友也欢迎。再留下注册 Pytrio 的邮箱（不想公开的可以私信我），前 100 位有效。应该会在明天晚上统一发代金券，发了之后我在评论区提醒佬友们～

如果你有正经的 Agentic RL 科研 idea，想做论文或者项目，可以直接发邮件到 [email protected] 申请科研代金券，额度会很大！但审核也比较严格吧，proposal 要认真写。PyTrio 官方也挺乐意赞助大家做 Agentic RL 方向的论文和项目。

券有效期一个月，领了就记得用嗷，别放着吃灰；这批发完官方会看使用情况，用得好的话我下次再去帮大家申请（笑

仓库地址再放一次！

README 里有微信交流群入口，跟的过程中卡住了可以去问，也可以在帖子里直接问我，看到都会回。