Agentic RL Lab 汇集多个语言模型与智能体强化学习算法的复现记录，包含 GRPO、GSPO、DAPO、Search-R1 等方向。作者用 PyTRIO 等训练接口减少实验中的基础设施负担。
仓库定位偏教程与实验记录，重点是让读者看清算法如何落到代码。各项复现所需的模型、算力与配置并不相同，应以对应实验说明为准。
Agentic RL Lab 汇集多个语言模型与智能体强化学习算法的复现记录，包含 GRPO、GSPO、DAPO、Search-R1 等方向。作者用 PyTRIO 等训练接口减少实验中的基础设施负担。
仓库定位偏教程与实验记录，重点是让读者看清算法如何落到代码。各项复现所需的模型、算力与配置并不相同，应以对应实验说明为准。